Uchwała nr 8 Rady Ministrów z dnia 18 stycznia 2019 r. w sprawie wyrażenia zgody na przedłożenie Komisji Europejskiej aktualizacji wstępnej oceny stanu środowiska wód morskich wraz z projektem aktualizacji zestawu właściwości typowych dla dobrego stanu środowiska wód morskich

§ 1. Rada Ministrów wyraża zgodę na przedłożenie Komisji Europejskiej aktualizacji wstępnej oceny stanu środowiska

wód morskich, która stanowi załącznik nr 1 do uchwały, wraz z projektem aktualizacji zestawu właściwości typowych dla

dobrego stanu środowiska wód morskich, który stanowi załącznik nr 2 do uchwały.

Załącznik nr 1

AKTUALIZACJA WSTĘPNEJ OCENY STANU ŚRODOWISKA

WÓD MORSKICH



Wykaz skrótów określeń stosowanych w aktualizacji wstępnej

oceny stanu środowiska wód morskich

Skrót

 





 



 

 

ͷ







 









GIOŚ













 Ǧ 

IOŚǦ 









Rozwinięcie

ƒ‰Ǥ—–‘ƒ–‹  †‡–‹ˆ‹ ƒ–‹‘›•–‡Ǧ•›•–‡ ‹•–ƒŽ‘™ƒ›Œ‡•–œ‰‘†‹‡œ

™›‘‰ƒ‹‘™‡ Œ‹ƒwiększych jednostkach, na wszystkich statkach

pasażerskich, a także dobrowolnie na wielu mniejszych statkach i jachtach

ƒ‰Ǥ—•‹‡••ƒ••—ƒŽǦ„hipotetyczny rozwój sytuacji gdyby program działań (POM)

zaproponowanych w ramach KPOWM nie został przyjęty i wdrożony”

Bałtycki Terminal Kontenerowy’Ǥœ‘Ǥ‘Ǥ

ƒ‰ǤƒŽ–‹ ‡ƒ ˆ‘”ƒ–‹‘‘–Š‡ ‘—•–‹ ‘—†• ƒ’‡

ƒ‰ǤBaltic Sea Action Plan (Bałtycki Plan Działań)

Bałtycki wskaźnik oddziaływania (ƒ‰ǤƒŽ–‹ ‡ƒ ’ƒ – †‡šȌ

Bałtycki wskaźnik presji (ƒ‰ǤƒŽ–‹ ‡ƒ”‡••—”‡ †‡šȌ

‹‘ Š‡‹ œ‡ƒ’‘–”œ‡„‘™ƒ‹‡Ž‡—Ǧumowny wskaźnik określający biologiczne

zapotrzebowanie tlenu, czyli ilość tlenu wymaganą do utlenienia związków

‘”‰ƒ‹ œ› Š’”œ‡œ‹”‘‘”‰ƒ‹œ›ȋ„ƒkterie aerobowe). Wartość tę uzyskuje się w

wyniku pomiaru zużycia tlenu przez badaną próbkę wody lub ścieków w ciągu 5 dni.

ͷjest wskaźnikiem czystości wody i jakości oczyszczanych ścieków

 ƒŽ‘ƒ‘‡Žƒ–—”ƒ‘™ƒ”‘™ƒ ƒ†Ž—ƒ‰”ƒ‹ œ‡‰‘

ƒ‰Ǥ‡‡’™ƒ–‡”‘–ƒ‹‡”‡”‹ƒŽǦ–‡”‹ƒŽ‘–‡‡”‘™›œŽ‘ƒŽ‹œ‘™ƒ›ƒ–‡”‡‹‡

portu morskiego Gdańsk

Nośność Ǧciężar, jaki statek może przyjąć zanurzając się do letniej linii ładunkowej w

™‘†œ‹‡‘”•‹‡Œ

—”‘’‡Œ•ƒ‘‹•Œƒ ‘•’‘†ƒ” œƒ”ganizacji Narodów Zjednoczonych 

ƒ‰Ǥ—”‘’‡ƒ‘‹–‘”‹‰˜‹”‘‡–ƒŽǦ’”‘‰”ƒ‘‹–‘”‹‰—‘’”ƒ ‘™ƒ›’”œ‡œ

Europejską Komisję Gospodarczą ONZ przy współpracy Światowej Organizacji

Meteorologicznej (WMO), mający na celu uzyskanie informacji o —†œ‹ƒŽ‡

poszczególnych państw w zanieczyszczaniu środowiska innych państw, m.in. w celu

kontroli wypełniania międzynarodowych ustaleń i porozumień w sprawie strategii

zmniejszania zanieczyszczeń na obszarze Europy

Europejski Trybunał Obrachunkowy 

ƒ‰Ǥ—”‘’‡ƒ‹‘‹••‹‘•”ƒ†‹‰›•–‡Ǧ—‹Œ›•›•–‡Šƒ†Ž——’”ƒ™‹‡‹ƒ‹

†‘‡‹•Œ‹

Dobry stan środowiska wedłu‰ȋƒ‰Ǥ ‘‘†˜‹”‘‡–ƒŽ–ƒ–—•Ȍ

Główny Inspektorat Ochrony Środowiska

Główny Inspektor Sanitarny

pojemność brutto statku Ǧzgodnie z Międzynarodową konwencją o pomierzaniu

pojemności statków z 1969 r. jest to miara całkowitej pojemności zamkniętych

pomieszczeń statku wewnątrz kadłuba i nadbudówek

Gdański Terminal Kontenerowy

Główny Urząd Sta–›•–› œ›

Komisja Ochrony Środowiska Morskiego Bałtyku, znana również jako Komisja

Helsińska–organizacja międzynarodowa proklamowana przez tzw. konwencję

helsińską z 1974 roku jako jej organ wykonawczy

Holistyczna Ocena Stanu Środowiska Morza Bałtyckiego

•–›–—–‡–‡‘”‘Ž‘‰‹‹‹ ‘•’‘†ƒ”‹‘†‡Œ–Państwowy Instytut Badawczy

Instytut Ochrony Środowiska –Państwowy Instytut Badawczy

jednolite części wód p‘™‹‡”œ Š‹‘™› Š

‘‹•Œƒ—”‘’‡Œ•ƒ



Skrót

Rozwinięcie

KPOŚK

MGMiŻŚ



Krajowy program oczyszczania ścieków komunalnych 

Krajowy Program Ochrony Wód Morskich przyjęty przez Radę Ministrów w dniu 2

‰”—†‹ƒʹͲͳ͸”Ǥ

ƒ‰Ǥ‘˜‡–‹‘‘‘‰Ǧ”ƒ‰‡”ƒ•„‘—†ƒ”›‹”‘ŽŽ—–‹‘Ǧ‘™‡ Œƒ™•’”ƒ™‹‡

transgranicznego zanieczyszczania powietrza na dalekie odległości

Ministerstwo Gospodarki Morskiej i Żeglugi Śródlądowej

‹‹•–‡”•–™‘„”‘›ƒ”‘†‘™‡Œ

‹

‹‹•–‡”–•™‘‘Ž‹ –™ƒ‹‘œ™‘Œ—•‹

 





 Ǧ 

”ƒŒ‘™›Ośrodek Bilansowania i Zarządzania Emisjami

‘”•‹ •–›–—›„ƒ ‹–Państwowy Instytut Badawczy



fr. Nomenclature statistique des Activités économiques Ǧ•–ƒ–›•–› œƒŽƒ•›ˆ‹ƒ Œƒ

działalności gospodarczych w Unii Europejskiej 

niemetanowe lotne związki organiczne

ƒ™‘œ›–wieloskładnikowe nawozy mineralne zawierające azot (N), fosfor (P) i

potas (K) w postaci przyswajalnej przez rośliny

pojemność netto statku



‘Ž•ƒŽƒ•›ˆ‹ƒ ŒƒDziałalności















PMŚ



ʹͲͳͶǦʹͲʹͲ







Wrocław



œ œ‡ ‹

PZW Gdańsk







  

•—„ 







”‘†—–”ƒŒ‘™›”—––‘

Państwowa Komisja Badania Wypadków Morskich

angǤ‘ŽŽ—–‹‘‘ƒ†‘’‹Žƒ–‹‘–kompilacja ładunku zanieczyszczeń

angǤ’ƒ”–‹ —Žƒ–‡ƒ––‡”–pył zawieszony

Państwowy Monitoring Środowiska

Program Operacyjny „Rybactwo i Morze” 

‘Ž•‹‡„•œƒ”›‘”•‹‡

‰Ǥ—” Šƒ•‹‰’‘™‡”’ƒ”‹–›–parytet siły nabywczej

Polski Związek Wędkarski Oddział we Wrocławiu

Polski Związek Wędkarski Oddział w Szczecinie

Polski Związek Wędkarski Oddziałw Gdańsku

›”‡–›™ƒƒ”Žƒ‡–——”‘’‡Œ•‹‡‰‘‹ƒ†›ʹͲͲͺȀͷ͸Ȁœ†‹ƒͳ͹ œ‡”™ ƒʹͲͲͺ”Ǥ

ustanawiająca ramy działań Wspólnoty w dziedzinie polityki środowiska morskiego

ȋ†›”‡–›™ƒ”ƒ‘™ƒ™•’”ƒ™‹‡•–”ƒ–‡‰‹‹‘”•‹‡ŒȌȋœǤ”œǤͳ͸ͶœʹͷǤͲ͸ǤʹͲͲͺǡ•–”Ǥ

ͳͻ, z późn.œǤ), zwana również „Ramową Dyrektywą w sprawie Strategii Morskiej”

›”‡–›™ƒʹͲͲͲȀ͸ͲȀƒ”Žƒ‡–——”‘’‡Œ•‹‡‰‘‹ƒ†›z dnia 23 października

ʹͲͲͲ”Ǥustanawiającƒramy wspólnotowego działania w†œ‹‡†œ‹‹‡’‘Ž‹–›‹™‘†‡ŒȋœǤ

”œǤ͵ʹ͹œʹʹǤͳʹǤʹͲͲͲǡ•–”Ǥͳ, z późn. zm.–œǤ”œǤ‘Ž•‹‡™›†ƒ‹‡•’‡ ŒƒŽ‡ǡ

”‘œ†œǤͳͷǡ–Ǥͷǡ•–”Ǥʹ͹ͷȌǡœ™ƒƒrównież „Ramową Dyrektywą Wodną”

Równoważnaliczba mieszkańców Ǧliczba wyrażająca wielokrotność ładunku

zanieczyszczeń w ściekach odprowadzanych z obiektów przemysłowych i usługowych

w stosunku do jednostkowego ładunku zanieczyszczeń w ściekach z gospodarstw

†‘‘™› Šǡ‘†’”‘™ƒ†œƒ› Š‘†Œ‡†‡‰‘‹‡szkańca w ciągu doby

Stacja Morska Instytutu Oceanografii Uniwersytetu Gdańskiego

niezadowalającystan środowiska wedłu‰ȋƒ‰Ǥ•—„ ‘‘† ‘Ž‘‰‹ ƒŽ–ƒ–—•Ȍ

Studium Uwarunkowań Zagospodarowania Przestrzennego Polskich Obszarów

‘”•‹ Š



Skrót









™

Słupsku



Poz. 230

Rozwinięcie

ƒ‰Ǥ‘–ƒŽŽŽ‘™ƒ„Ž‡ƒ– Š‡•Ǧmaksymalny dopuszczalny połów

ƒ‰Ǥ–™‡–›Ǧˆ‡‡–‡“—‹˜ƒŽ‡–—‹–Ǧjednostka standardowa, odpowiadająca pojemności

ʹͲǦ•–‘’‘™‡‰‘‘–‡‡”ƒ 

Trwałe Zanieczyszczenia Organiczne

‹ƒ—”‘’‡Œ•ƒ

Urząd Morski w Słupsku

 ǤǤ

ƒ‰Ǥ‹ŽŽ‹‰‡••–‘’ƒ›Ǧskłonność do ponoszenia wydatków

ang. World Wide Fund for Nature; tłum. Światowy Fundusz na rzecz Przyrody; dawniej

‘”Ž†‹Ž†Ž‹ˆ‡ —†–organizacja pozarządowa i ekologiczna o charakterze

międzynarodowym powstała w 1961 roku

Zarząd Morskiego Portu Gdańsk

ZMPSiŚ S.A.

Zarząd Morskich Portów Szczecin i Świnoujście

 

 ǦƒǤǤ



–5–







Zarząd Morskiego Portu Gdynia





Spis treści



WSTĘP 1

1.

CHARAKTERYSTYKA EKOSYSTEMU MORSKIEGO W POLSKICH OBSZARACH MORSKICH .........12

1.1.

1.2.

WARUNKI FIZYCZNO-GEOGRAFICZNE ................................................................................................... 12

WARUNKI METEOROLOGICZNE I HYDROLOGICZNE .................................................................................. 13

Wiatr ........................................................................................................................................... 13

Mieszanie wód ............................................................................................................................ 15

Poziomy morza ............................................................................................................................ 17

Zlodzenie ..................................................................................................................................... 19

OGÓLNE WARUNKI HYDROGRAFICZNE ................................................................................................. 21

Temperatura wody morskiej ....................................................................................................... 21

Zasolenie ..................................................................................................................................... 28

Odczyn wody morskiej................................................................................................................. 30

Prądy morskie i wymiana wód .................................................................................................... 32

SIEDLISKA I GATUNKI......................................................................................................................... 36

Ssaki morskie ............................................................................................................................... 36

Ptaki ............................................................................................................................................ 38

Ryby ............................................................................................................................................. 51

Siedliska bentosowe .................................................................................................................... 59

Siedliska pelagiczne ..................................................................................................................... 67

GATUNKI NIERODZIME W POLSKICH OBSZARACH MORSKICH ................................................................... 70

Ryby ............................................................................................................................................. 71

Fitoplankton, makrofity, makrozoobentos i zooplankton ........................................................... 86

CZYNNIKI SPRAWCZE I SKUTKI EUTROFIZACJI.......................................................................................... 94

Czynniki sprawcze........................................................................................................................ 94

Skutki bezpośrednie..................................................................................................................... 96

Skutki pośrednie ........................................................................................................................ 106

ODPADY W ŚRODOWISKU MORSKIM W LATACH 2015-2016................................................................. 108

Odpady deponowane na brzegu ............................................................................................... 108

TOP 20 ....................................................................................................................................... 113

Odpady zdeponowane na dnie .................................................................................................. 114

Mikrocząstki w wodzie morskiej i osadach dennych ................................................................. 115

SUBSTANCJE NIEBEZPIECZNE W ELEMENTACH ŚRODOWISKA MORSKIEGO I EFEKTY ICH ODDZIAŁYWANIA ORAZ

SUBSTANCJE NIEBEZPIECZNE W RYBACH PRZEZNACZONYCH DO SPOŻYCIA ................................................. 116

Radionuklidy .............................................................................................................................. 117

Metale ciężkie............................................................................................................................ 120

Trwałe zanieczyszczenia organiczne ......................................................................................... 127

Test mikrojądrowy..................................................................................................................... 134

Choroby ryb ............................................................................................................................... 136

1.3.

1.4.

1.5.

1.6.

1.7.

1.8.

2.

OCENA STANU POLSKICH WÓD MORZA BAŁTYCKIEGO ...................................................... 142

2.1.

CECHY STANU................................................................................................................................ 142

Ssaki morskie ............................................................................................................................. 162

Ptaki .......................................................................................................................................... 175

Ryby ........................................................................................................................................... 225

Siedliska bentosowe .................................................................................................................. 237

Siedliska pelagiczne ................................................................................................................... 276

Ekosystemy i sieci troficzne ....................................................................................................... 297

CECHY PRESJI ................................................................................................................................ 301

2.2.







Cecha D2 - Gatunki Obce........................................................................................................... 301

Cecha D3 - Ryby i skorupiaki eksploatowane w celach komercyjnych ...................................... 310

Cecha D5 - Eutrofizacja ............................................................................................................. 331

Cecha D6 - Integralność dna morskiego .................................................................................... 351

Cecha D7 - Trwała zmiana warunków hydrograficznych .......................................................... 367

Cecha D8 - Stężenie substancji zanieczyszczających utrzymuje się na poziomie, który nie

wywołuje skutków charakterystycznych dla zanieczyszczenia. ................................................ 368

Cecha D9 - Poziom substancji zanieczyszczających w rybach i owocach przeznaczonych do

spożycia przez ludzi nie przekracza poziomów ustanowionych w prawodawstwie Wspólnoty ani

innych odpowiednich norm. ...................................................................................................... 440

Cecha D10 - Właściwości ani ilość odpadów morskich nie powodują szkód w środowisku

przybrzeżnym i morskim............................................................................................................ 447

Cecha D11- Hałas podwodny .................................................................................................... 454

3.

PODSUMOWANIE OCENY STANU ŚRODOWISKA ............................................................... 468

3.1.

3.2.

PODSTAWY PRAWNE ...................................................................................................................... 468

CECHY STANU................................................................................................................................ 470

Ssaki .......................................................................................................................................... 471

Ptaki .......................................................................................................................................... 472

Ryby ........................................................................................................................................... 475

Siedliska bentosowe .................................................................................................................. 478

Siedliska pelagiczne ................................................................................................................... 480

Cecha D4 – łańcuchy pokarmowe ............................................................................................. 482

CECHY PRESJI ................................................................................................................................ 485

Cecha D2 ................................................................................................................................... 485

Cecha D3 ................................................................................................................................... 485

Cecha D5 ................................................................................................................................... 488

Cecha D6 ................................................................................................................................... 491

Cecha D7 ................................................................................................................................... 492

Cecha D8 ................................................................................................................................... 492

Cecha D9 ................................................................................................................................... 494

Cecha D10 ................................................................................................................................. 495

Cecha D11 ................................................................................................................................. 497

3.3.

4.

PRESJE NA ŚRODOWISKO MORSKIE .................................................................................. 501

4.1.

PRESJE POCHODZENIA LĄDOWEGO NA WODY MORSKIE......................................................................... 501

Emisja ciepła do wody ............................................................................................................... 501

Wprowadzanie substancji niebezpiecznych .............................................................................. 501

Wprowadzanie substancji biogennych ...................................................................................... 517

Wprowadzanie radionuklidów .................................................................................................. 538

Wprowadzanie odpadów .......................................................................................................... 539

Wprowadzanie materii organicznej .......................................................................................... 540

Wprowadzanie i przemieszczanie się gatunków obcych ........................................................... 543

Zmiany warunków klimatycznych ............................................................................................. 549

Drobnoustroje patogenne ......................................................................................................... 554

PRESJE POCHODZENIA MORSKIEGO NA WODY MORSKIE POLSKIEJ STREFY MORZA BAŁTYCKIEGO .................. 556

Presje biologiczne ...................................................................................................................... 557

Presje fizyczne ........................................................................................................................... 560

PRESJE I ODDZIAŁYWANIA POCHODZENIA MORSKIEGO NA WODY MORSKIE WYNIKAJĄCE Z DZIAŁALNOŚCI

RYBACKIEJ ..................................................................................................................................... 595

Struktura gatunkowa wyładunku polskiego rybołówstwa ........................................................ 596

Eksploatacja rybacka na Zalewie Szczecińskim ......................................................................... 656







4.2.

4.3.

Eksploatacja rybacka na Zalewie Wiślanym ............................................................................. 668

Eksploatacja rybacka na Zatoce Puckiej.................................................................................... 678

Informacja na temat eksploatacji selektywnej gatunków zwierząt obejmująca przypadkowe

połowy gatunków niebędących gatunkami docelowymi, w tym powodowana przez połowy

komercyjne i rekreacyjne........................................................................................................... 690

Morskie połowy rekreacyjne dorsza .......................................................................................... 692

Presja rybołówstwa na dno morskie - nakład połowowy narzędzi dennych ............................. 699

5.

ANALIZA SPOŁECZNO-EKONOMICZNA UŻYTKOWANIA WÓD MORSKICH ORAZ KOSZTÓW

DEGRADACJI ŚRODOWISKA WÓD MORSKICH (ZGODNIE Z ART. 8 UST. 1 LIT. C RDSM) ........ 705

5.1.

ANALIZA DOSTĘPNYCH MATERIAŁÓW, PRZYJĘTE ZAŁOŻENIA METODYCZNE ............................................... 705

Kwestie terminologiczne ........................................................................................................... 705

Kompatybilność sekcji według PKD oraz sektorów analizy ....................................................... 705

CHARAKTERYSTYKA OBSZARU BADAŃ................................................................................................. 707

IDENTYFIKACJA I OPIS SEKTORÓW WYKORZYSTUJĄCYCH WODY MORSKIE .................................................. 711

Żegluga morska ......................................................................................................................... 711

Porty morskie ............................................................................................................................ 714

Port Gdańsk ............................................................................................................................... 723

Port Gdynia................................................................................................................................ 725

Port Szczecin i Świnoujście ........................................................................................................ 726

Przemysł stoczniowy.................................................................................................................. 728

Rybołówstwo morskie ............................................................................................................... 736

Turystyka morska i przybrzeżna ................................................................................................ 743

Morski przemysł wydobywczy ................................................................................................... 747

Sektor komunalny...................................................................................................................... 750

Rolnictwo................................................................................................................................... 752

Energetyka odnawialna - farmy wiatrowe ................................................................................ 755

Morska turystyka wrakowa ...................................................................................................... 757

Działalność militarna ................................................................................................................. 757

Badania naukowe, analizy i działania edukacyjne .................................................................... 760

ANALIZA UŻYTKOWANIA WÓD MORSKICH (MARINE WATER ACCOUNTING APPROACH) ............................. 763

Opis korzyści ekonomicznych dla sektorów wykorzystujących wody morskie .......................... 763

Identyfikacja i próba określenia ilościowego presji generowanych przez badane sektory ....... 771

ANALIZA UŻYTKOWANIA WÓD MORSKICH (ECOSYSTEM SERVICES APPROACH) .......................................... 773

Identyfikacja świadczeń ekosystemowych na obszarach morskich, przy wykorzystaniu analiz

stanu i analiz presji i oddziaływań............................................................................................. 774

Identyfikacja oraz próba szacunku ilościowego korzyści osiągniętych usług ekosystemowych

przy wykorzystaniu metod szacowania właściwych dla dóbr rynkowych i nierynkowych ........ 775

Identyfikacja wskaźników i presji wywierających wpływ na świadczenia ekosystemowe........ 777

ANALIZA KOSZTÓW DEGRADACJI ŚRODOWISKA WÓD MORSKICH ............................................................. 780

IDENTYFIKACJA DOBREGO STANU ŚRODOWISKA, KTÓRY POWINIEN ZOSTAĆ OSIĄGNIĘTY W 2020 ROKU, ORAZ

PUNKTU ODNIESIENIA (SCENARIUSZ BAU) ......................................................................................... 781

Identyfikacja dobrego stanu środowiska, który powinien zostać osiągnięty w 2020 roku –

ustalone cele środowiskowe dla wód morskich ........................................................................ 781

Scenariusz BAU .......................................................................................................................... 783

Opis luk pomiędzy scenariuszami .............................................................................................. 793

Opis skutków dla dobrobytu człowieka wyrażony w wartościach monetarnych albo ilościowo

albo jakościowo ......................................................................................................................... 793

5.2.

5.3.

5.4.

5.5.

5.6.

5.7.

SPIS LITERATURY I WYKAZ AKTÓW PRAWNYCH.......................................................................... 800

SPIS RYSUNKÓW: ...................................................................................................................... 832

SPIS TABEL ................................................................................................................................ 851







§ 2. Uchwała wchodzi w życie z dniem następującym po dniu ogłoszenia.

Prezes Rady Ministrów: M. Morawiecki

Załączniki

do uchwały

nr 8 Rady Ministrów

z dnia 18zstycznia

r. (poz. 230)2019 r.

dnia 2019

18 stycznia

(poz. ...) Załącznik nr 1

ZAŁĄCZNIK 1 ............................................................................................................................. 865

ZAŁĄCZNIK 2 ............................................................................................................................. 866











AKTUALIZACJA WSTĘPNEJ OCENY STANU ŚRODOWISKA WÓD

MORSKICH ZA LATA 2011-2016



Wstęp

Morze Bałtyckie pełni istotną rolę w gospodarce krajowej i warunkuje istnienie sektorów

takich jak transport morski, rybołówstwo, turystyka regionalna oraz jest potencjalnym‘„•œƒ”‡

dla rozwoju energetyki wiatrowej. Zagrożenie stanu środowiska morskiego może ograniczać

rozwój powyższych sektorów, które jednocześnie mogą w znacznym stopniu przyczyniać się do

Œ‡‰‘†‡‰”ƒ†ƒ Œ‹Ǥ

Kontynuowanie działań na rzecz poprawy i utrzymaniadobrego stanu środowiska Morza

Bałtyckiego jest nie tylko wymogiem formalnym, ale też celem warunkującym zrównoważone

czerpanie z zasobów ekosystemu morskiego przez człowieka. Ramy formalne osiągnięcia tego

celu określa odnosząca się do zrównoważonego wykorzystywania mórz zintegrowanego z

zachowaniem ekosystemów morskich w stanie jak najmniej zmienionym.  została

œ‘™‡Ž‹œ‘™ƒƒ†yrektywą Komisji (UE) 2017/845 z dnia 17 maja 2017 r. zmieniającądyrektywę

ƒ”Žƒ‡–— —”‘’‡Œ•‹‡‰‘ ‹ ƒ†› ʹͲͲͺȀͷ͸Ȁ ™ odniesieniu do przykładowych wykazów

elementów branych pod uwagę przy opracowaniu strategii morskich ȋœǤ ”œǤ   ͳʹͷ œ

ͳͺǤͲͷǤʹͲͳ͹ǡ •–”Ǥ ʹ͹Ȍ, zwaną †ƒŽ‡Œ „†›”‡–›™ą ʹͲͳ͹ȀͺͶͷ”ǡ która nadała nowe brzmienie

załącznik‘™‹ †‘Ǥ‰‘†‹‡œ™›ƒ‰ƒ‡jest osiągnięcie dobrego stanu środowiska

ȋ ‘‘†˜‹”‘‡–ƒŽ–ƒ–—•Ǧ†ƒŽ‡ŒǣGES) w obrębie europejskich wód morskich do 2020 ”Ǥ–‡

™›‘ƒ™ œ›†‘Œ‡•–†‡ ›œŒƒ‘‹•Œ‹ȋȌʹͲͳ͹ȀͺͶͺœ†‹ƒͳ͹ƒŒƒʹͲͳ͹”Ǥustanawiająca

”›–‡”‹ƒ ‹ •–ƒ†ƒ”†› ‡–‘†‘Žogiczne dotyczące dobrego stanu środowiska wód morskich oraz

•’‡ ›ˆ‹ƒ Œ‡‹—Œ‡†‘Ž‹ ‘‡‡–‘†›‘‹–‘”‘™ƒ‹ƒ‹‘ ‡›ǡ‘”ƒœuchylająca †‡ ›œŒęʹͲͳͲȀͶ͹͹Ȁ

ȋœǤ”œǤͳʹͷœͳͺǤͲͷǤʹͲͳ͹ǡ•–”ǤͶ͵Ȍǡœ™ƒƒ†ƒŽ‡Œ„†‡ ›œŒąʹͲͳ͹ȀͺͶͺ”Ǥ

Dobry stan środowiska morskiego według RDSM oznacza „taki stan środowiska wód

morskich tworzących zróżnicowane i dynamiczne pod względem ekologicznym oceany i morza,

które są czyste, zdrowe i urodzajne w odniesieniu do panujących w nich warunków, zaś

wykorzystanie środowiska morskiego zachodzi na poziomie, który jest zrównoważony i

gwarantuje zachowanie możliwości użytkowania i prowadzenia działań przez obecne i przyszłe

pokolenia”. 

Osiągnięcie dobrego stanu środowiska wód morskichbędzie możliwe dzięki opracowaniu i

wdrożeniu strategii morskiej, która jest zbiorem typowych instrumentów ochrony środowiska

ukierunkowanych na ochronę środowiska morskiego, na którą składają się następujące elementy:



ͳȌ‘’”ƒ ‘™ƒ‹‡wstępnej oceny stanu środowiska wód morskichǢ

ʹȌ‘’”ƒ ‘™ƒ‹‡œ‡•–ƒ™—właściwości typowych dla dobrego stanu środowiska wód morskichǢ

͵Ȍ ‘’”ƒ ‘™ƒ‹‡ œ‡•–ƒ™— celów środowiskowych dla wód morskich i związanych z nimi

wskaźnikówǢ

ͶȌ‘’”ƒ ‘™ƒ‹‡i wdrożenie programu monitoringu wód morskichǢ

ͷȌ‘’”ƒ ‘™ƒ‹‡i wdrożenie programu ochrony wód morskich.



’”ƒ ‘™ƒ‹‡  było wynikiem wieloletnich starań  zmierzających do stworzenia

ram prawnych umożliwiających podejmowanie kompleksowych, spójnych i skutecznych działań

w celu ochrony środowiska wód morskich. Cele  powinny zostać œ”‡ƒŽ‹œ‘™ƒ‡ ’”œ‡œ

opracowanie i wdrożenie strategii morskich spójnych dla poszczególnych regionów lub

podregionów morskich. Każde państwo członkowskie ǡ œ‰‘†‹‡ œ Šƒ”‘‘‰”ƒ‡

znajdującym się w , jest zobowiązane do opracowania strategii morskiej dla własnych wód

morskich, mając na uwadze fakt, że wody morskie są wykorzystywane wspólnie z innymi

państwami, a środowisko morskie ma charakter transgraniczny. Dlatego każde państwo

członkowskie  ’‘™‹‘ prowadzić swoje działania we współpracy z innymi państwami

członkowskimi danego regionu lub podregionu morskiego, a w niektórych przypadkach również

z państwami trzecimi. W przypadku Bałtyku współpraca regionalna miała miejsce w ramach



ͳ

HELCOM, ustalającej podział Bałtyku na podakweny podlegające ocenie oraz uzgadniając‡Œ

wartości progowedobrego stanu środowiska. Ustalenia te dotyczyły w szczególności elementów

„‹‘Ž‘‰‹ œ› Šǡ œƒ‹‡ œ›•œ zeń biogenicznych i substancji niebezpiecznych oraz wspólnego

opracowania drugiej holistycznej oceny stanu środowiska morskiego Bałtyku.

Jednym z ważniejszych zadań ’aństw złonkowskich  jest obowiązek cyklicznej

aktualizacji wstępnej oceny swoich wód morskich zgodnie z art. 17 RDSM. Wymaga to

’”œ‡’”‘™ƒ†œ‡‹ƒ ™ ʹͲͳͺ ”Ǥ aktualizacji wstępnej oceny stanu środowiska wód mo”•‹ Š

‘’”ƒ ‘™ƒ‡Œ™ʹͲͳʹ”Ǥœ‰‘†‹‡œƒ”–Ǥͺ—•–ǤͳŽ‹–Ǥƒ, aktualizacji oceny presji na środowisko

ȋƒ”–Ǥͺ—•–ǤͳŽ‹–Ǥ„) oraz ekonomicznej i społecznej analizy użytkowania wód morskich (art.

ͺ —•–Ǥͳ Ž‹–Ǥ  ), biorąc pod uwagę art. 1 —•–Ǥ 3 RDSM odnoszący się do ekosystemowego

podejścia do zarządzania środowiskiem. 

 ʹͲͳͶ ”Ǥ œ‰‘†‹‡ œ ƒ”–Ǥ ͳͳ  GIOŚ opracował program monitoringu wód m‘”•‹ Šǡ

którego wdrożenie umożliwiło pozyskanie danych o stanie środowiska morskiego w ramach PMŚ

na rzecz aktualizacji wstępnej oceny stanu środowiska wód morskich oraz opracowywania

bieżących ocen stanu środowiska morskiego. 

„‡ ƒ ƒ–—ƒŽ‹œƒ Œƒ wstępnej oceny stanu środowiska wód morskich ‘„‡Œ—Œ‡ ‘”‡• ‘†

†‹ƒ ͳ •–› œ‹ƒ ʹͲͳͳ ”Ǥ †‘ †‹ƒ ͵ͳ ‰”—†‹ƒ ʹͲͳ͸ ”Ǥ ‡ƒŽ‹œƒ Œƒ –‡‰‘ œƒ†ƒ‹ƒ będzie służ›ć

ƒ–—ƒŽ‹œƒ Œ‹ œ‡•–ƒ™— celów środowiskowych zgodnie z art. 10 RDSM, ustanowieniu

zaktualizowanych programów monitoringu zgodnie z art. 11  ‘”ƒœ œƒ’”‘Œ‡–‘™ƒ‹—

przyszłych programów działań zgodnie z art. 13 RDSM, które będą minimalizować negatywny

wpływ oddziaływania antropogenicznego na środowisko morskie.

Podstawą prawną do przeprowadzenia aktualizacji wstępnej oceny stanu środowiskawód

‘”•‹ ŠŒ‡•–ƒ”–Ǥͷͷͷ—•–Ǥʹ’–ͺ—•–ƒ™›œ†‹ƒʹͲŽ‹’ ƒʹͲͳ͹”Ǥ–”ƒ™‘™‘†‡ȋœǤǤ’‘œǤͳͷ͸͸ǡ

z późn. zm.Ȍǡœ™ƒ‡Œ†ƒŽ‡Œ„—•–ƒ™ą”ƒ™‘™‘†‡”Ǥ

‰‘†‹‡ œ ƒ”–Ǥ ͳͷͳ —•–Ǥ ͳ —stawy Prawo wodne aktualizację wstępnej oceny stanu

środowiska wód morskich opracowuje właściwy organ Inspekcji Ochrony Środowiska w

—œ‰‘†‹‡‹— œ ‹nistrem właściwym do spraw budownictwa, planowania i zagospodarowania

przestrzennego oraz mieszkalnictwa, ministrem właściwym do spraw gospodarki morskiej,

ministrem właściwym do spraw rybołówstwa oraz ministrem właściwym do spraw gospodarki

™‘†‡ŒǤ

Obowiązek aktualizacji oceny stanu środowiska wód morskich dotyczy obszarów morskich,

które obejmują rejon morza od linii podstawowej morza terytorialnego do granicy najdalej

położonego obszaru, podlegającego jurysdykcji państwa członkowskiegoœ‰‘†‹‡œ†‡ˆ‹icją

podaną w RDSM. W Polsce, do obszarów tych zalicza się wody morza terytorialnego, wyłącœą

•–”‡ˆę‡‘‘‹ œąœ‡ œ›’‘•’‘Ž‹–‡Œ‘Ž•‹‡Œoraz wody przybrzeżne zgodn‹‡œƒ”–ǤͳͶ͵—•–ƒ™›

”ƒ™‘™‘†‡Ǥ

W przypadku wód przybrzeżnych, przejściowych i terytor‹ƒŽ› Š†‘ƒ–—ƒŽ‹œƒ Œ‹wstępnej

oceny stanu środowiska wód morskich œ‘•–ƒły ™›‘”œ›•–ƒ‡ ‘ ‡› •–ƒ— ‡‘Ž‘‰‹ œ‡‰‘

™›‘ƒ‡œ‰‘†‹‡œǤ

‰‘†‹‡ œ dyrektywą 2017/845 tabele 1 i 2 w załączniku III do  zostały

†‘’”‡ ›œ‘™ƒ‡–ƒǡƒ„›wyraźniejodnosiły się do elementów dotyczących stanu (tabela 1) oraz

do elementów dotyczących presji i ich oddziaływań (tabela ʹǡ ’‘œ› Œƒ ʹƒ ‹ ʹb), a także aby

bezpośrednio łączyły elementy wymienione w obu tabelach ze wskaźnikami jakości określonymi

w załączniku †‘™•’‘‹ƒ‡Œ, a w związku z tym również z kryteriami określonymi przez

ƒ’‘†•–ƒ™‹‡ƒ”–Ǥͻ—•–Ǥ͵Ǥ

Aktualizacja wstępnej oceny stanu środowiska wód morskich œ‘•–ƒ‹‡ ’”œ‡’”‘™ƒ†œ‘ƒ

zgodnie z przyjętym podziałem na ocenę ekosystemów morskich, ich struktury, funkcji i procesów

mających szczególne znaczenie dla aktualizacji oceny zgodnie z art. 8 ust. 1 lit. a ǡ œ

uwzględnieniem presji antropogenicznych, sposobów użytkowania i działalności człowieka w

środowisku morskim lub mających wpływ na środowisko morskie, co wynika z art. 8 ust. 1 lit. b

‹ Ǥ

Jednym z obowiązkowych elementów aktualizacji wstępnej oceny stanu środowiska wód

‘”•‹ Šjest określenie stanu środowiska w odniesieniu do zestawu wartości progowych dla

poszczególnych kryteriów ustalanych na poziomie europejskim, regionalnym lub krajowym.



ʹ

‡ ›œŒƒʹͲͳ͹ȀͺͶͺwprowadziła podział wskaźników, które’‘™‹›być uwzględnione w

ocenie stanu środowiska morskiego na dwie grupy. ”–Ǥ ͳͷ͵ —•–Ǥͳ ’– ͳ —•–ƒ™› ”ƒ™‘ ™‘†‡

określa™•œ›•–‹‡ͳͳ ‡ Š†‘„”ego stanu środowiska wód morskichȋ”›•ǤͳȌǤ‰‘†‹‡œ†ecyzją

ʹͲͳ͹ȀͺͶͺ†‘grupy obejmującej ‡ Š›’”‡•Œ‹należąǣʹǡ͵ǡͷǡ͸ǡ͹ǡͺǡͻǡͳͲ‹ͳͳǡ†‘

‰”—’› ‡ Š •–ƒ— należą: D1, D4 i D6 dotyczące elementów ekosystemu: ssaki, ryby, pta‹ǡ

•‹‡†Ž‹•ƒ ’‡Žƒ‰‹ œ‡ǡ •‹‡†Ž‹•ƒ „‡–‘•‘™‡Ǥ  †‘—‡ ‹‡ aktualizacji wstępnej oceny stanu

środowiska wód morskich zachowano konwencję symboli dla cech ikryteriów za wersją

anglojęzyczną ǡ–ŒǤ–†Žƒ ‡ Š›ǡ–†Žƒ”›–‡”‹—Ǥ





‡ Š›•–ƒ—

Cechy presji związane z wprowadzaniem i eksploatacją gatunków 

‡ Š›’”‡•Œ‹związane z wprowadzeniem do środowiska substancji, odpadów i energii

‡ Š›’”‡•Œ‹ˆ‹œ› œ› Š

›•ǤͳǤ





Schemat oceny stanu środowiska morskiego Bałtyku (opracowanie własne na podstaw‹‡

†‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺȌǤ

Dla każdej cechy zostały —•–ƒŽ‘‡”›–‡”‹ƒǡƒ’‘†•–ƒ™‹‡których zostanie przeprowadzona

aktualizacja oceny. Istotną zmianą w stosunku do poprzedniej decyzji ‘‹•Œ‹ ȋȌ ʹͲͳͲȀͶ͹͹

œ†‹ƒ ͳwrześnia 2010”Ǥ ™sprawie kryteriów istandardów metodologicznych dotyczących

dobrego stanu środowiska wód morskich ȋœǤ ”œǤ   ʹ͵ʹ œ ʹǤͲͻǤʹͲͳͲǡ •–”Ǥ ͳͶȌ Œ‡•–



͵

wprowadzony podział kryteriów na podstawowe i drugorzędne, z których uwzględnienie t› Š

pierwszych dotyczących najistotniejszych presji i oddziaływań jest wymagane we wszystkich

państwach członkowskich . Ewentualne odstąpienie od poszczególnych kryteriów w

—œƒ•ƒ†‹‘› Š’”œ›’ƒ†ƒ Šǡ™›ƒ‰ƒ’”œ‡†•–ƒ™‹‡‹ƒ—œƒ•ƒ†‹‡‹ƒ™”ƒƒ Š’‘™‹ƒ†‘‹‡‹ƒ

sporządzonego zgodnie z art. 9 ust. 2 lub art. 17 ust. 3 Ǥ

Kryteria drugorzędne i związane z nimi standardy metodologiczne, specyfikacje i

ujednolicone metody określone w załączniku †‘są wykorzystywane do uzupełnienia

”›–‡”‹—’‘†•–ƒ™owego lub gdy istnieje zagrożenie, że środowisko morskie nie osiągnie lub nie

utrzyma dobrego stanu środowiska morskiego dla danego kryterium. O zastosowaniu kryterium

drugorzędnego decyduje każde z państw członkowskich, o ile w załączniku –›nie okreśŽ‘‘

inaczej. Tak więc rezygnacja z danego kryterium drugorzędnego powinna być poprzedzona oceną

ryzyka nieosiągnięcia dobrego stanu środowiska dla tego kryterium bądź kryteriów

’‘†•–ƒ™‘™› ŠǤ

Dla poszczególnych kryteriów zostały opracowane wskaźniki odnoszące się do określonych

parametrów i właściwości opisujących stan środowiska i presje.



Realizując wymóg skoordynowanych działań w ramach aktualizacjiwstępnej‘ ‡›•–ƒ—

środowiska wód morskich Polska ma obowiązek współpracy w rejonie Morza Bałtyckiego w

zakresie przeprowadzenia oceny holistycznej stanu środowiska wód morskich. Pierwsza wersja

II oceny holistycznej (HOLAS II) ukazała się w czerwcu 2017 r. i obejmowała lata 2011ǦʹͲͳͷ

(HELCOM 2017a). Jej aktualizacja do pełnego okresu oceny (lata 2011ǦʹͲͳ͸Ȍzostała ™›‘ƒƒ

wiosną 2018 r. Oceny holistyczne wspierają sprawozdawczość państw członkowskich  ™

ramach ich obowiązku aktualizacji wstępnej oceny stanu środowiska wód morskich dla ǡ ™

szczególności w zakresie zastosowanych wskaźników i metod oceny, które uległy znacznym

zmianom w trakcie przygotowania II oceny holistycznej w porównaniu do poprzedniej oceny,

również ze względu na zmiany w obowiązującym prawie . Dla potrzeb jednolitego podejścia do

wstępnej ‘ ‡› stanu środowiska wód morskich ™”ƒƒ h HELCOM przyjęto zmodyfikowany

podział Morza Bałtyckiego na podakweny, czyli morskie jednostki regionalne (MRU) podlegające

‘ ‡‹‡Ǥ

›•ǤʹǤ





Podakweny Morza Bałtyckiego wyznaczone na ™edłu‰ ȋ ʹͲͳ͵ȌǤ

Ͷ

 ’”œ›’ƒ†— wybranych wskaźników ‹ ‡ Š obszary do oceny obejmują zarówno części

podakwenów otwartego morza, jak również poszczególne Œ‡†‘Ž‹–‡ części wód przybrzeżnych.

Przykładowo p”œ‡’”‘™ƒ†œ‡‹‡ ‘ ‡› ‹ Š–‹‘ˆƒ—› w akwenach Morza Bałtyckiego w

’‘†‘„•œƒ”ƒ Šȋ’ƒ–”œ”›•ǤʹǤͳǤ͸ʹȌprzyjętych przez Międzynarodową Radę Badań Morza (ICES) ma

—œƒ•ƒdnienie merytoryczne. Jest powiązane z obszarami bytowania stad, które są poddawane

‘ ‡‹‡Ǥ



Aktualizacja wstępnej oceny stanu środowiska wód morskich uwzględnia trzy aspekty:

ͳ) analizę podstawowych cech i właściwości oraz obecnego stanu środowiskaǢ

ʹ) analizę dominujących presji i oddziaływańǢ

͵) analizę ekonomiczną i społeczną wraz z analizą kosztów degradacji środowiska. 



–ͳ‹ʹdotyczą klasyfikacji stanu środowiska morskiego isą‘”‡ślane w dwóch klasach

stan dobry (GES) i stan poniżej dobrego (subGES), natomiast’–͵wyjaśnia interakcje zachodzące

między elementami środowiska a społeczeństwem w œƒ”‡•‹‡zarówno prowadzonej działalności

gospodarczej, jak i szeroko pojętego bezpieczeństwa społecznego.



ͷ

D3

D5

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

D7

x

D8

D9

D10 D11

– 15 –



͸

Przyłów ssaków morskich

Liczebność populacji i trend populacji foki szarej

–ƒ”‡’”‘†— Œ‹ˆ‘‹•œƒ”‡Œ

Występowanie foki szarej

Wskaźnik produktywności bielika

Wskaźnik zmian liczebnoś ‹zimujących ptaków wodnych 

Wskaźnik zmian liczebności lęgowych ptaków wodnych

Indeks wielkości ryb – ͳ

Indeks stanu ichtiofauny SI dla wód przejściowych

Multimetryczny wskaźnik makrozoobentosu Ǧ

Wskaźnik stanu makrofitów –ͳ

 œ–ƒ”‘ˆ‹–‘™›‹†‡••–ƒ—‡‘Ž‘‰‹ œ‡‰‘™œƒŽ‡™ƒ Š

Wskaźnik MSTS –struktura wielkościowa i całkowite zasoby zooplanktonu

‹ƒȀ‹‘ǦWskaźnik okrzemkowoǦ„”—œ†‹ ‘™›

›ƒŽǦœƒ™‹–›•‹‹ 

ŠŽ‘”‘ˆ‹ŽǦƒǦśr‡†‹‡stężenie latem (VIǦ Ȍ

ŠŽ‘”‘ˆ‹ŽǦƒǦśr‡†‹‡stężenie roczne

Presje

Trendy w pojawianiu się gatunków nierodzimych

Wskaźniki śmiertelności połowowej gatunków eksploatowanych komercyjnie

Wskaźniki biomasy gatunków eksploatowanych komercyjnie 

 Ǧśrednie stężenie zimowe (XIIǦ Ȍ

 Ǧśrednie stężenie roczne

Ǧśrednie stężenie w lecie (VIǦ Ȍ

Ǧśrednie stężenie roczne

 Ǧśrednie stężenie zimowe (XIIǦ Ȍ

 Ǧśrednie stężenie roczne

Ǧśrednie stężenie w lecie (VIǦ Ȍ

Ǧśrednie stężenie roczne

Przezroczystość wody latem (VIǦ Ȍ

Przezroczystość wody Ǧśr‡†‹ƒ”‘ œƒ

Ž‡ƒ††‡Ǧminimum w miesiącach (VIǦ Ȍ

Dług tlenowy

Zasięg przestrzenny i rozkład strat fizycznych naturalnego dna morskiego

Komponenty ekosystemu

D2

Cechy presji

D6

D6

D4

Cechy stanu

D1

Monitor Polski

ͳͺǤ 

ͳͻǤ

ʹͲǤ

ʹͳǤ

ʹʹǤ

ʹ͵Ǥ

ʹͶǤ

ʹͷǤ

ʹ͸Ǥ

ʹ͹Ǥ

ʹͺǤ

ʹͻǤ

͵ͲǤ

͵ͳǤ

͵ʹǤ

͵͵Ǥ

ͳǤ •ƒ‹

ʹǤ

͵Ǥ

ͶǤ

ͷǤ –ƒ‹

͸Ǥ

͹Ǥ

ͺǤ ›„›

ͻǤ

ͳͲǤ ‹‡†Ž‹•ƒ

ͳͳǤ „‡–‘•‘™‡

ͳʹǤ

ͳ͵Ǥ ‹‡†Ž‹•ƒ

ͳͶǤ ’‡Žƒ‰‹ œ‡

ͳͷǤ

ͳ͸Ǥ

ͳ͹Ǥ

Lp.

Wskaźniki do oceny kryteriów

Wskaźniki wykorzystane w aktualizacji wstępnej oceny stanu środowiska wód morskich.



Lp.

͵ͶǤ

͵ͷǤ

͵͸Ǥ

͵͹Ǥ

͵ͺǤ

͵ͻǤ

ͶͲǤ

ͶͳǤ

ͶʹǤ

Ͷ͵Ǥ

ͶͶǤ

ͶͷǤ

Ͷ͸Ǥ

Ͷ͹Ǥ

ͶͺǤ

ͶͻǤ

ͷͲǤ

ͷͳǤ

ͷʹǤ

ͷ͵Ǥ

ͷͶǤ

ͷͷǤ

ͷ͸Ǥ

ͷ͹Ǥ

ͷͺǤ

ͷͻǤ

͸ͲǤ

͸ͳǤ

͸ʹǤ

͸͵Ǥ

͸ͶǤ

͸ͷǤ

͸͸Ǥ

͸͹Ǥ

͸ͺǤ

͸ͻǤ

͹ͲǤ

͹ͳǤ



͹

Zasięg przestrzenny i rozkład presji fizycznych zakłóceń dna morskiego

Powierzchnia dna morskiego dotkniętego trwałymi zmianami hydromorfologicznymi

Aldehyd mrówkowy Ǧ™‘†ƒ

”•‡Ǧ™‘†ƒ

ƒ”Ǧ™‘†ƒ

‘”Ǧ™‘†ƒ

Chrom sześciowartościowy Ǧ™‘†ƒ

Chrom ogólny Ǧ™‘†ƒ

›Ǧ™‘†ƒ

Miedź Ǧ™‘†ƒ

‡‘Ž‡Ž‘–‡–‹†‡•ˆ‡‘Ž‘™›Ǧ™‘†ƒ

Węglowodory ropopochodne –‹†‡•‘Ž‡Œ‘™›Ǧ™‘†ƒ

Ž‹Ǧ™‘†ƒ

›Œƒ‹™‘Ž‡Ǧ™‘†ƒ

Cyjanki związane Ǧ™‘†ƒ

‘Ž‹„†‡Ǧ™‘†ƒ

‡Ž‡Ǧ™‘†ƒ

”‡„”‘Ǧ™‘†ƒ

ƒŽǦ™‘†ƒ

›–ƒǦ™‘†ƒ

ƒƒ†Ǧ™‘†ƒ

–›‘Ǧ™‘†ƒ

Ž—‘”‹Ǧ™‘†ƒ

‡”›ŽǦ™‘†ƒ

‘„ƒŽ–Ǧ™‘†ƒ

Žƒ ŠŽ‘”Ǧ™‘†ƒ

–”ƒ ‡Ǧ™‘†ƒ

–”ƒœ›ƒǦ™‘†ƒ

‡œ‡Ǧ™‘†ƒ

‹ˆ‡›Ž‘‡–‡”›„”‘‘™ƒ‡ȋ–‘‰‡‡”›ʹͺǡͶ͹ǡͻͻǡͳͲͲǡͳͷ͵ǡͳͷͶȌ–™‘†ƒǡ‘”‰ƒ‹œ›

Kadm i jego związki –™‘†ƒǡ‘”‰ƒ‹œ›ǡ‘•ƒ†›

ͳͲǦͳ͵– ŠŽ‘”‘ƒŽƒ›Ǧ™‘†ƒ

ŠŽ‘”ˆ‡™‹ˆ‘•Ǧ™‘†ƒ

ŠŽ‘”’›”‹ˆ‘•Ǧ™‘†ƒ

ͳǡʹǦ†‹ ŠŽ‘”‘‡–ƒȋȌǦ™‘†ƒ

‹ ŠŽ‘”‘‡–ƒǦ™‘†ƒ

‹ȋʹǦ‡–›Ž‘Š‡•›ŽȌˆ–ƒŽƒȋ ȌǦ™‘†ƒ

‹—”‘Ǧ™‘†ƒ

Wskaźniki do oceny kryteriów

D2

D3

D5

x

x

D7

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

D8

Cechy presji

D6

D6

D4

Cechy stanu

D1

x

x

D9

D10 D11

Lp.

͹ʹǤ

͹͵Ǥ

͹ͶǤ

͹ͷǤ

͹͸Ǥ

͹͹Ǥ

͹ͺǤ

͹ͻǤ

ͺͲǤ

ͺͳǤ

ͺʹǤ

ͺ͵Ǥ

ͺͶǤ

ͺͷǤ

ͺ͸Ǥ

ͺ͹Ǥ

ͺͺǤ

ͺͻǤ

ͻͲǤ

ͻͳǤ

ͻʹǤ

ͻ͵Ǥ

ͻͶǤ

ͻͷǤ

ͻ͸Ǥ

ͻ͹Ǥ

ͻͺǤ

ͻͻǤ

ͳͲͲǤ

ͳͲͳǤ

ͳͲʹǤ

ͳͲ͵Ǥ

ͳͲͶǤ

ͳͲͷǤ

ͳͲ͸Ǥ

ͳͲ͹Ǥ

ͳͲͺǤ

ͳͲͻǤ



ͺ

†‘•—ŽˆƒǦ™‘†ƒ

Ž—‘”ƒ–‡Ǧ™‘†ƒǡ‘”‰ƒ‹œ›ǡ‘•ƒ†›

‡•ƒ ŠŽ‘”‘„‡œ‡ȋ Ȍ–™‘†ƒǡ‘”‰ƒ‹œ›

‡•ƒ ŠŽ‘”‘„—–ƒ†‹‡ȋ Ȍ–™‘†ƒǡ‘”‰ƒ‹œ›

‡•ƒ ŠŽ‘”‘ ›Ž‘Š‡•ƒȋ  ȌǦ™‘†ƒ

œ‘’”‘–—”‘Ǧ™‘†ƒ

Ołów i jego związki –™‘†ƒǡ‘”‰ƒ‹œ›ǡ‘•ƒ†›

Rtęć i jej związki –™‘†ƒǡ‘”‰ƒ‹œ›ǡ‘•ƒ†›

ƒˆ–ƒŽ‡Ǧ™‘†ƒ

Nikiel i jego związki Ǧ™‘†ƒ

‘›Ž‘ˆ‡‘Ž‡Ǧ™‘†ƒ

–›Ž‘ˆ‡‘Ž‡Ǧ™‘†ƒ

‡–ƒ ŠŽ‘”‘„‡œ‡Ǧ™‘†ƒ

‡–ƒ ŠŽ‘”‘ˆ‡‘ŽȋȌǦ™‘†ƒ

‡œ‘ȋƒȌ’‹”‡–™‘†ƒǡ‘”‰ƒ‹œ›

‡œ‘ȋ„ȌˆŽ—‘”ƒ–‡Ǧ™‘†ƒ

‡œ‘ȋȌˆŽ—‘”ƒ–‡Ǧ™‘†ƒ

‡œ‘ȋ‰ǡŠǡ‹Ȍ’‡”›Ž‡–™‘†ƒǡ‘•ƒ†›

†‡‘ȋͳǡʹǡ͵Ǧ †Ȍ’‹”‡Ǧ‘•ƒ†›

›ƒœ›ƒǦ™‘†ƒ

Związki tributylocyny –™‘†ƒǡ‘”‰ƒ‹œ›

”‹ ŠŽ‘”‘„‡œ‡›ȋȌǦ™‘†ƒ

”‹ ŠŽ‘”‘‡–ƒȋ ŠŽ‘”‘ˆ‘”ȌǦ™‘†ƒ

”‹ˆŽ—”ƒŽ‹ƒǦ™‘†ƒ

‹‘ˆ‘Ž–™‘†ƒǡ‘”‰ƒ‹œ›

™ƒ•’‡”ˆŽ—‘”‘‘–ƒ‘•—Žˆ‘‘™›ȋ Ȍ–‘”‰ƒ‹œ›

‹‘•››Ǧ‘”‰ƒ‹œ›

‡•ƒ„”‘‘ ›Ž‘†‘†‡ƒȋ ȌǦ‘”‰ƒ‹œ›

‡’–ƒ ŠŽ‘”Ǧ‘”‰ƒ‹œ›

‡–”ƒ ŠŽ‘”‘‡–ƒǦ™‘†ƒ

Ž†”›ƒǡ‹‡Ž†”›ƒǡ†”›ƒǡ œ‘†”›ƒǦ™‘†ƒ

–‹œ‘‡”’ƒ”ƒǦ’ƒ”ƒǦ™‘†ƒ

DDT całkowity Ǧ™‘†ƒ

”‹ ŠŽ‘”‘‡–›Ž‡ȋ ȌǦ™‘†ƒ

‡–”ƒ ŠŽ‘”‘‡–›Ž‡ȋȌǦ™‘†ƒ

‡œǦͳ͵͹–™‘†ƒǡ‘”‰ƒ‹œ›

ͳǦ ’‹”‡Ǧ‘”‰ƒ‹œ›

Dioksyny i związki dioksynopodobne (suma Ϊ ΪǦȌǦ‘”‰ƒ‹œ›

Wskaźniki do oceny kryteriów

D2

D3

D5

D7

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

x

D8

Cechy presji

D6

D6

D4

Cechy stanu

D1

x

x

x

D10 D11

Monitor Polski

x

x

x

D9

Lp.

ͳͳͲǤ

ͳͳͳǤ

ͳͳʹǤ

ͳͳ͵Ǥ

ͳͳͶǤ

ͳͳͷǤ

ͳͳ͸Ǥ

ͳͳ͹Ǥ

ͳͳͺǤ

D3

D5

D7

D9

x

D8

x

x

x

x

x

x

x

x

x

D10 D11

– 18 –

ͻ

D2

Cechy presji

D6

D6

D4

Cechy stanu

D1

Monitor Polski







‘Ž‹ ŠŽ‘”‘™ƒ‡„‹ˆ‡›Ž‡ȋǦ‘‰‡‡”›ʹͺǡͷʹǡͳͲͳǡͳ͵ͺǡͳͷ͵ǡͳͺͲȌǦ‘”‰ƒ‹œ›

ͳͳͺȋ‘‰‡‡”ȌǦ‘”‰ƒ‹œ›

‹Ž‘ˆ‡ƒǦ™‘†ƒ

‡•–mikrojądrowy

’‡”ƒ–‹‘ƒŽ‘‹Ž•’‹ŽŽ•ˆ”‘•Š‹’•

†’ƒ†›ƒŽ‹‹‹„”œ‡‰‘™‡Œ

†’ƒ†›Ǧmikrocząstki

Podwodne dźwięki impulsowe Ǧ•’Ž‘œŒ‡

Podwodne dźwięki ciągłe

Wskaźniki do oceny kryteriów

Ocena poszczególnych cech według przyjętych kryteriów może być dokonana na dwa

sposoby w zależności od dostępności danych i informacji: 

ͳ) ilościowo–na podstawie wskaźników w odniesieniu do wartości progowych lub 

ʹȌjakościowo–ƒ’‘†•–ƒ™‹‡‘ ‡›‡•’‡” ‹‡Œǡ jeżelidla danego wskaźnika nie została

ustalona wartość progowa na poziomie europejskim lub regionalnym.

‘ ‡‹‡œ‘•–ƒłyuwzględnione granice stanu i wartości wskaźników wykorzystywanych

†‘ ‘ ‡› •–ƒ— ‡‘Ž‘‰‹cznego dla wód przejściowych i przybrzeżnych opracowane zgodnie z

, przy czym za granicę dobrego stanu środowiska (GES) przyjmuje się 3/5 wartości

maksymalnej skali ocen RDW, którą dany wskaźnik może osiągnąć. Odpowiada to wyznaczeniu

granicy między stanem „dobry i bardzo dobry” i „zły, słaby i umiarkowany”ǡ™edłu‰Ǥ





RDW

RDSM



–ƒ„ƒ”†œ‘†‘„”›

Dobry stan środowiska (GES)



–ƒ—‹ƒ”‘™ƒ›





Stan zły



–ƒ†‘„”›



Stan słaby



iezadowalającystan środowiskaȋ•—„ Ȍ





Ostateczny wynik będzie wyrażony tylko w dwóch klasach odpowiadających osiągnięciu

(GES) lub nieosiągnięciu dobrego stanu środowiska (subGES).

W ramach oceny cech stanu (D1, D4, D6) przeprowadza się oddzielną ocenę dla każdego z

komponentów ekosystemu tj. dla grup gatunków ptaków, ssaków, ryb oraz siedlisk bentosowych

‹’‡Žƒ‰‹ œ› ŠǤW przygotowaniu metody oceny stanu środowiska Morza Bałtyckiego w obszarze

POM uwzględniono ustalenia i rekomendacje wynikające z prac grup roboczych i projektów

ǡ –ƒ‹ Š Œƒǣ –ƒ–‡ Ƭ ‘•‡”˜ƒ–‹‘ǡ ǡ  ‡–Š‹  Šƒ„‹–ƒ–ǡ  ǡ   ‹‘†‹˜ǡ

ǡ ǡ ‘”ƒœ  ǡ  ǡ ‹ Ǥ

’”ƒ ‘™ƒƒ ‡–‘†ƒ ‘ ‡› –”œ‡ Š ™›‹‡‹‘› Š ‡ Š •–ƒ— †Žƒ  Œ‡•– ™ ™‹‡Ž—

aspektach zbieżna z metodą zaproponowaną w ramach II oceny holi•–› œ‡Œ  ‘”ƒœ

nawiązuje również do wskazówek technicznych podanych w aktualnej, roboczej wersji

’”œ‡™‘†‹ƒ†‘ƒ”–ǤͺȋƒŽ•Ž‡›‹‹ǤʹͲͳ͹ȌǤ

Główną różnicą w metodzie oceny cech stanu w stosunku do wstępnej oceny stanu

środowiska wód morskich polskiej strefy Morza Bałtyckiego (GIOŚ ʹͲͳͶȌ Œ‡•– ‘„‡ ‹‡

zaproponowana „zintegrowana ocena bioróżnorodności” wykonywana w ramach każdego z

komponentów ekosystemu odnosząca się jednocześnie do cech ͳǡͶ‹͸ǡ ‘œŒ‡†‡Œ•–”‘›

rzutuje na brak możliwości jednoznacznego porównania wyników niniejszej oceny z poprzednią,

z drugiej strony zachowana jest zgodność metodologii oceny w regionie Morza Bałtyckiego we

współpracy Polski (Głównego Inspektora Ochrony Środowiska) z HELCOM. Możliwe jest jednak

’‘†•—‘™anie wszelkich zmian zachodzących w środowisku w porównaniu z wstępną oceną

stanu środowiska wód morskich z 2012 r. na poziomie niektórych wskaźnikówȋGIOŚ ʹͲͳͶȌ‘”ƒœ

nawiązanie do II oceny holistycznej (HELCOM 2017a).

 ‡ƒ ‡ Š ’”‡•Œ‹ Œ‡•– ™›‘›™ƒƒ ƒ podstawie kryteriów podstawowych i

drugorzędnych oddzielnie dla każdej z cechǤporównaniu do wstępnej oceny stanu środowiska

wód morskich polskiej strefy Morza Bałtyckiego (GIOŚ ʹͲͳͶ) nie następuje integracja oceny

pomiędzy cechami presji.

Ostatnim etapem aktualizacji oceny będzie identyfikacja i, jeżeli to możliwe, określenie

ilościowe presji związanych z różnym wykorzystaniem środowiska morskiego, powodujących

nieosiągnięcie GES, zgodnie z ich wykazem określonym w tabeli 1załącznika III †‘‘”ƒœ

™›‹‹‡ƒƒŽ‹œ™›‘ƒ› Šœ‰‘†‹‡œƒ”–Ǥͺ—•–ǤͳŽ‹–Ǥb RDSM. Ocena wykorzystania środowiska



ͳͲ

morskiego i sił sprawczych powodujących presje stanowi istotną podstawę analizy ryzyka, a tym

samym analizy kosztów i korzyści z podjęcia działań zgo†‹‡œǤ

W pierwszym kroku zostanie określony stopień wykorzystania środowiska morskiego w

kontekście korzyści społecznoǦ‡‘‘‹ œ› Š ƒ ’‘†•–ƒ™‹‡ †ƒ› Š •–ƒ–›•–› œ› Š ™

odniesieniu do głównych działów gospodarki morskiej, obejmujących zarówno wielkość

produkcji, jak i też zatrudnienia:

ͳȌż‡‰Ž—‰ƒ‘”•ƒǢ

ʹȌ’‘”–›‘”•‹‡Ǣ

͵Ȍ’rzemysł stoczniowyǢ

ͶȌ”ybołówstwo morskieǢ

ͷȌ–urystyka morska i przybrzeżnaǢ

͸Ȍorski przemysł wydobywczyǢ

͹Ȍ•‡–‘”‘—ƒŽ›Ǣ

ͺȌ”‘Ž‹ –™‘Ǣ

ͻȌ‡‡”‰‡–›ƒ‘†ƒ™‹ƒŽƒ–ˆƒ”›™‹ƒ–”‘™‡Ǣ

ͳͲȌ‘”•ƒ–—”›•–›ƒ™‹ƒ–”‘™ƒǢ

ͳͳȌ†ziałalność militarnaǢ

ͳʹȌ„adania naukowe, analizy i działania edukacyjneǤ



Oszacowanie ekonomicznych korzyści ze środowiska morskiego (marine water accouning

approach) będzie stanowiło całkowitą wartość gospodarczą wód morskich powiązaną

œwykorzystaniem środowiska, jego aktualnym stanem, presjami i wpływem człowieka.

Przeprowadzenie analizy ekonomicznej dla poszczególnych subregionów pozwoli na określenie

korzyści ekonomicznych oraz określenie udziału we wzroście zasobności społeczeństwa,

stwarzając podstawy do określenia priorytetów dla działań naprawczych. 

Powiązanie wyników analizy ekonomicznej z dobrami i usługami środowiska morskiego

pozwoli na określenie kosztów jego degradacji, które mogą być podstawą do dalszej oceny

korzyści z podjętych działań naprawczych (ƒrt. 13 RDSM) lub też stanowić podstawę do

‡™‡–—ƒŽ› Š†‡”‘‰ƒ Œ‹ȋƒrt. 14 RDSM) i być podstawą do aktualizacji Ǥ

Jedną z metod oceny kosztów degradacji jest podejście oparte na analizie usług ekosystemu

(ecosystem services approach). W tym wariancie presje są identyfikowane jako czynniki

wpływające na stan ekosystemu morskiego, a więc jest możliwe bezpośrednie powiązanie

określonych presji z elementami ekosystemu.

Wartość usług ekosystemuobliczana jako potencjalna różnica pomiędzy dobrym stanem

środowiska (GES) a sytuacją, która może wystąpić w przypadku braku działań w celu uzyskania

GES przy zastosowaniu scenariusza BAU, może być interpretowana jako koszt degradacji. W ten

sposób na wczesnym etapie zostaną zidentyfikowane podstawy do sformułowania zaleceń

podejmowania działań zgodnie z RDSM. W tym podejściu Œ‡•– możliwa identyfikacja usług

ekosystemu w powiązaniu z korzyściami, które mogą być potencjalnie utracone przy

‹‡œ‹‡‹‘›‡‰atywnym stanie środowiska naturalnego. Te potencjalnie utracone korzyści z

osiągnięcia GES mogą być następnie porównywane z kosztami osiągnięcia celów RDSM

określonymi w programach działań naprawczych.



ͳͳ

1. Charakterystyka ekosystemu morskiego w polskich obszarach

morskich

1.1. Warunki fizyczno-geograficzne



Śródkontynentalne Morze Bałtyckie Œ‡•– osłonięte od północnego zachodu Półwyspem

Skandynawskim i połączone z Oceanem Atlantyckim przez Morze Północne i Skagerrak za

pośrednictwem cieśnin: Wielki i Mały Bełt, Sund oraz Kattegat. Granica morza, oddzielająca

Kattegat od Skagerraku, prowadzi od północnego cypla Jutlandii Ǧprzylądka Grenen do szkieru

Pater Noster i wyspy Tjörn na brzegu szwedzkim ȋƒŒ‡™•‹ǡ ͳͻͻͶȌǤ Całkowita wymiana wód

™środkowym Bałtyku trwa od 25 do 30 lat.

Całe Morze Bałtyckie leży na szelfie o nierównym dnie i niewielkiej na ogół głębokości, dzieli

się jednak na głębsze baseny, rozdzielone progami i ławicami. W obrębie  œƒŒ†—Œą się

następujące, główne elementy morfologiczne dna, patrząc od zachodu:część Ławic›†”œƒ‡Œ‹

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ȋͳͲͷ Ȍ ‘”ƒœ ›ƒ Słupskƒ ‘głębokości 65 mǡ ‘††œ‹‡Ž‘ƒ ‘† –‡‰‘

ostatniego progiem porzecznym utrudniającym ruch wód przydennych napływających z Morza

PółnocnegoǤW części środkowej znajduje się Ławica Słupskƒǡƒƒ™• Š‘†œ‹‡południowa część

Basenu Gotlandzkiego oraz Basen Gdański‘głębokości 118 mȋ”›•ǤͳǤͳǤͳȌǤ



›•ǤͳǤͳǤͳǤ

ƒ–›‡–”‹ƒBałtyku Południowego (wedłu‰Batymetria Bałtyku Południowego, 1994, [w:]

Atlas zasobów, walorów i zagrożeń środowiska geograficznego Polski, IGiPZ PAN

ƒ”•œƒ™ƒȌǤ



Główną drogę wymiany wód między Morzem Bałtyckim a Północnym stanowi Wielki Bełt,

który w najpłytszych miejscach ma głębokość 15 m. Prądy wychodzące z Bałtyku kierują się

przede wszystkim przez Sund, który na mieliźnie Drogden ma 12 m głębokości. Zatoka Kilońska

ma poważne znaczenie hydrograficzne, gdyż wzdłuż Langelandu wpływają do niej wody

oceaniczne w czasie wlewów i tutaj zgodnie z siłą Coriolisa skręcają na zachód, a po wypełnieniu

zatoki słoną wodą przemieszczają się dalej przez Fehrmarn Belt i Zatokę Meklemburską ku

ƒ•‡‘™‹ ”końskiemu, pokonując po drodze próg GedserǦDarsser Ort. Wlewy o większej sile

występują w różnych, nieregularnych odstępach czasu, od roku do pięciu lat. Mają charakter

epizodyczny i gwałtowny. Dalej, wody wlewów oceanicznych kierują się do Basenu



ͳʹ

‘”Š‘Ž•‹‡‰‘ ’”œ‡œ Cieśninę Bornholmską. Z kolei odświeżanie wód głębinowych Basenu

‘–Žƒ†œ‹‡‰‘ ‹ ƒ•‡— Gdańskiego odbywa się w okresach silnych, długotrwałych wlewów

oceanicznych po upływie kilku miesięcy od czasu rozpoczęcia się wlewu w Cieśninach Duńskich.

W okresach stagnacji w głębiach tych panują najczęściej warunki beztlenowe.

—†‘™ƒ ‹ Šƒ”ƒ–‡” ’‘Ž•‹ Š brzegów Bałtyku są związane z okresem ostatniego

zlodowacenia oraz fazami rozwoju południowego Bałtyku. Na odcinkach brzegu zbudowanych

œosadów plejstoceńskich występują klify o różnym stopniu aktywności. Wobniżeniach

powierzchni plejstoceńskiej zlokalizowane są w większości jeziora przymorskie odcięte

mierzejami, o różnej zasobności osadów litoralnych. W części pradolin uchodzących do Zatoki

Gdańskiej lub Bałtyku rozwinięte są brzegi niskie. Typ brzegów niskich w przewadze

zlokalizowany jest w strefie brzegowej Zalewów Wiślanego iƒŽ‡™—Szczecińskiego.

”œ‡‰‹‘–™ƒ”–‡‰‘‘”œƒsązbudowane w 77% z wydm oraz w 19% z klifów. Zatoka Gdańska

Šƒ”ƒ–‡”›œ—Œ‡ się przewagą brzegów wydmowych (73%) ze znacznym udziałem brzegów

‹•‹ ŠȋͺΨȌǤ

Brzegi klifowe wybrzeża południowego Bałtyku są œ„—†‘™ƒ‡ ’”œ‡™ƒżnie œ ‰Ž‹‹ƒ•–› Š

utworów glacjalnych, piasków i żwirów fluwoglacjalnych oraz mułków i iłów zastoiskowych

ȋ—„otowicz, 1984). W zależności od intensywności hydrodynamicznej akwenu następuje szybszy

lub wolniejszy proces niszczenia brzegów klifowych. Występują one głównie wzachodniej części

Zatoki Gdańskiej oraz nad otwartym morzem, na odcinkach CetniewoǦJastrzębia Góra, ‘™›Ǧ

Ustka, Jarosławiec, NiechorzeǦDziwnówek i Wyspa WolinǤ

Brzegi mierzejowe w granicach Polski, z wyłączeniem Półwyspu Helskiego, obejmują 109

km, co stanowi 22% brzegów otwartego morza. Mierzeje zlokalizowane są głównie na wysokości

’”ƒ†‘Ž‹‹†epresji końcowych i odcinają powstałe w obniżeniach jeziora przymorskie lub zalewy

‘†‘–™ƒ”–‡‰‘‘”œƒǤ

Mierzeje południowobałtyckie, tworzące się w różnych sytuacjach dynamicznych

przedstawiają trzy odmienne typy morfogenetyczne. Struktura Mierzei Wiślanej związana jest

œrozwojem rozległej pokrywy litoralnej w warunkach podwodnej ak——Žƒ Œ‹™•›–—ƒ Œ‹‘”œƒ

”‡‰”‡dującego (Rosa, 1980). Mierzeje części centralnej i częściowo zachodniej charakteryzują się

™›stępowaniem rozbudowanych przymierzejowych pól ™›†‘™› h (np. Mierzeja j. Łebsko),

–™‘rzyły się w warunkach stabilizacji poziomu morza. Mierzeje zachodniego wybrzeża należy

zaliczyć do prostych form mierzejowych o niewielkich zasobach piaszczystych, zarówno

™przybrzeżu jak i na brzegu, które tworzyły się w warunkach transgresji (np. Mierzeja

—‘™•ƒȌǤ

Erozja brzegów mierzejowych w okresie 1889Ǧ1975 obejmowała 64% ich długości.

Szczególnie intensywnie byłniszczony brzeg Półwyspu Helskiego, który od roku 1989 jestobjęty

•›•–‡ƒ–› œ› •œ–— œ› œƒ•‹Žƒ‹‡. Przewiduje się wzrost prędkości izasięgu obszarów

‹•œ œ‘› Š ‹‡”œ‡‹ w związku z prognozami ™œ”‘•–— intensywnych sztormów oraz

podnoszeniem się p‘œ‹‘—‘”œƒǤ





1.2.Warunki meteorologiczne i hydrologiczne



Wiatr

Jednym z elementów wspomagających ocenę stanu ekologicznego wód przejściowych

‹przybrzeżnych jest ekspozycja na falowanie. Bezwzględną miarą tego parametru jest rozciągłość

działania wiatru, czyli długość drogi oddziaływania wiatru nad morzem, a co za tym idzie

możliwość generowania falowania. ƒŒ‘”œ›•–‹‡Œ•œ‡™ƒ”—‹†‘’‘™•–ƒ™ƒ‹ƒˆƒŽ™‹ƒ–”‘™› Šǡ

oddziałujących na strefę płytkowodną i polski brzeg, występują podczas silnych wiatrów z sektora

północnego, od zachodnich poprzez północne do północnoǦ™• Š‘†‹ ŠǤ

Warunki oddziaływania falowania wiƒ–”‘™‡‰‘ ƒ „”œ‡‰ ™ ™‹‡Ž‘Ž‡ ‹— ʹͲͳͳǦʹͲͳ͸

przedstawiono pośrednio, wykorzystując pomiary kierunku i prędkości wiatru na wybranych

stacjach, reprezentujących poszczególne obszary wód przybrzeżnych i przejściowych.

Charakterystykę wiatru i poziomów morza opra ‘™ƒ‘ƒ’‘†•–ƒ™‹‡†ƒ› Š’‘‹ƒ”‘™› ŠœŽƒ–



ͳ͵

ʹͲͳͳǦ2016, gromadzonych w ramach państwowej służby hydrologicznoǦ‡–‡‘”‘Ž‘‰‹ œ‡Œ

 Ǧ Ǥ

Rozkład średniej prędkości wiatru w ośmiu sektorach kierunku w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ”›•Ǥ

ͳǤʹǤͳȌ na akwenie Basenu Bornholmskiego (stacja w Świnoujściu i Ustce) pokazuje podobne

rozkłady częstości kierunków wiatru. Przeważał wiatr z kierunków południowoǦœƒ Š‘†‹ Šǡ œ

przewagą południowego. Częstości pozostałych kierunków na obu stacjach są 3Ǧ”‘–‹‡‹‡Œ•œ‡ǡ

z przewagą kierunków wschodnich. Natomiast w Świnoujściu najsilniejsze są wiatry z sektorów

północnych (NW, NE i N), stosunkowo mniej licznych. W zachodniej części Basenu

‘”Š‘Ž•‹‡go (Ustka) najsilniejsze wiatry występują z kierunków zachodnich, a‘Ž‡Œ‡ œ

sektora północnego. Średnia prędkość wiatru we wschodniej części Basenu Bornholmskiego jest

znacznie większa niż w zachodniej.



›•ǤͳǤʹǤͳǤ

Róże wiatru na wybranych stacjach polskiego wybrzeża; róże górne: częstość występowania

kierunków, róże dolne –prędkość średnia w sektorach, Žƒ–ƒʹͲͳͳǦʹͲͳ͸Ǥ

ƒƒ™‡‹‡™• Š‘†‹‡‰‘Basenu Gotlandzkiego (stacja Łeba), jeszcze w większym stopniu

niż w Ustce, przeważały wiatry z kierunków zachodnich (największa częstość) oraz południowoǦ

zachodnich, a także południowych. W pozostałych sektorach wiatru sytuacja wygląda podobnie,

jak na akwenie Basenu Bornholmskiego. Średnia prędkość wiatru na akwenie Basenu

Gotlandzkiego jest również największa dla wiatrów zachodnich i południowoǦœƒ Š‘†‹ ŠǤ

Pozostałe kierunki wiatru charakteryzują się zbliżoną średnią prędkością.

Na akwenie Basenu Gdańskiego (stacja Hel) najczęstszymi wiatrami sąǡ ’‘†‘„‹‡ Œƒ

™Ustce, wiatry z kierunków zachodnich oraz w mniejszym stopniu południowych, pozostałe

kierunki mają zbliżoną częstość. ozkład średnich prędkości wiatru dla wszystkich kierunków

jest zbliżonyǡƒ•ilny wiatr może wystąpić z każdego kierunkuǤ

 ‘Ž‡‹ ƒ ’‘Ž•‹ Š wodach przybrzeżnych Basenu Gdańskiego (stacja Gdańsk Port

Północny) znajwiększą częstością występują wiatry z kierunku południowego, a także

zachodniego. Wiatry z kierunków od NW, N, NE, E do SE występują ze zbliżoną, ale znacznie

niejszą częstością. Rozkład średnich prędkości wiatru dla wszystkich kierunków jest też dosyć



ͳͶ

zbliżony, jednak najsilniejszy wiatr występuje przy wiatrach północnych oraz północno Ǧ

œƒ Š‘†‹ ŠǤ



ƒ„‡ŽƒͳǤʹǤͳǤ Średnia prędkość wiatru (m sǦͳ) na wybranych stacjach wzdłuż polskiego wybrzeża™Žƒ–ƒ Š

ʹͲͳͳǦʹͲͳ͸Ǥ



–ƒ Œƒ

ƒ–ƒ

ʹͲͳͳǦʹͲͳ͸

Świnoujście

͵ǡ͵

•–ƒ

Ͷǡ͹

Łeba

͵ǡͻ

Gdańsk Port

Północny

Ͷǡͷ

‡Ž

͵ǡ͵

Średnia prędkość wiatru na stacjach wzdłuż polskiego wybrzeża zmienia się w zależności

od akwenu. W Ustce i w Gdańsku Porcie Północnym była największa, natomiast najsłabszy średni

wiatr był w Świnoujściu i Helu, mniejszy o okołoͳǡͶ•Ǧͳȋ–ƒ„‡ŽƒͳǤʹǤͳȌǤ

ƒ•›ƒŽƒ średnia prędkość wiatru i odpowiadający jej kierunek zmieniała się na

poszczególnych stacjach wzdłuż polskiego wybrzeża (–ƒ„‡ŽƒͳǤʹǤʹȌǡ‹–ƒ’. w Łebie najwyższa

prędkość 7,1 m sǦͳ występowała ’”œ› œƒ Š‘†‹ Š ȋȌ ‹‡”—ƒ Š ™‹ƒ–”—ǡ ƒ ™ Gdańsk— ‘”–

Północny przy wiatrach północnych Ǧ͸ǡ͵•ǦͳǤ

ƒ„‡ŽƒͳǤʹǤʹǤ Maksymalna średnia prędkość wiatru (m s Ǧͳ) i odpowiadający jej kierunek ™‹ƒ–”— ƒ

wybranych stacjach wzdłuż polskiego wybrzeża w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ



–ƒ Œƒ

ƒ–ƒ

ʹͲͳͳǦʹͲͳ͸

Świnoujście

ͷǡͷǦNE

•–ƒ

Łeba

͸ǡͻǦW

͹ǡͳǦW

‡Ž

Ͷǡ͸ǦW

Gdańsk Port

Północny

͸ǡ͵ǦN

O zróżnicowanych warunkach anemobarycznych panujących w ciągu roku w strefie

brzegowej świadczy częstość występowania ciszy ™ Žƒ–ƒ Š ʹͲͳͳǦ2016. Największa wartość

występuje w Świnoujściu, i kolejno w Łebie. Natomiast naj‹‡Œ•œƒczęstość występowania ciszy

była na Helu (–ƒ„‡ŽƒͳǤʹǤ͵), jako na stacji otoczonej z trzech stron wodą. 

ƒ„‡ŽƒͳǤʹǤ͵Ǥ Częstość (%) występowania ciszy na wybranych stacjach wzdłuż polskiego wybrzeża

™™‹‡Ž‘Ž‡ ‹—ʹͲͳͳǦʹͲͳ͸Ǥ



–ƒ Œƒ

ƒ–ƒ

ʹͲͳͳǦʹͲͳ͸

Świnoujście

ͳǡ͸

•–ƒ

Ͳǡͷ

Łeba

ͳǡͳ

‡Ž

ͲǡͶ

Gdańsk Port

Północny

Ͳǡ͹

Mieszanie wód

Wynikiem oddziaływania wiatru oraz termohalinowej konwekcji, p‘œƒ ’‘™•–ƒ™ƒ‹‡

ˆƒŽ‘™ƒ‹ƒǡ Œ‡•– ’‹‘‘™‡ ‹‡•œƒ‹‡ górnych warstw wód morskich. Niezależnie od pory roku

temperatura wody w strefie płytkowodnej jest

często wyrównana od powierzchni do dna w wyniku

‹‡•œƒ‹ƒ ™‹ƒ–”‘™‡‰‘Ǥ ‘Ž‡‹ ‘™‡ Œƒ

występuje wokresie jesiennego ochładzania się

wód w™ƒ”•–™‹‡ ’‘™‹‡”œ Š‹‘™‡Œ ‹ ’‘™‘†—Œ‡

zapadanie zimniejszych i bardziej gęstych mas

™‘†› ™głąb toni wodnej. Pod warstwą

chłodniejszej wody utrzymuje się wtedy cieplejsza

warstwa wód przydennych. Największe głębokości

rozdziału między tymi warstwami występują późną

jesienią, w okresie zimowym i na początku wiosny.

Najmniejsze zaś, od późnej wiosny (kwiecień lub

ƒŒȌ†‘•‹‡”’‹ƒȋ”›•ǤͳǤʹǤʹȌǤ

Zjawisko to występuje szczególnie w ”‡Œ‘ƒ Š

o znacznych głębokościach Œƒǣ Basen Gdański,

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹ œ›ƒ•‡‘”Š‘Ž•‹ǤNależy do nich także akwen „’‘Ž•‹‡™‘†›

przybrzeżne Zatoki Gdańskiej” określony przez HELCOM MAS ȋ  ʹͲͳ͵Ȍ, gdyż obejmuje



ͳͷ

Zatokę Gdańską Wewnętrzną,gdzie występują duże głębokości. Na rysunku dotyczącym Basenu

Gdańskiego skala pionowa zasięgu mieszania jest większa niż w przypadku pozostałych akwenów

ze względu na jego maksymalny zasięg różniący się od maksimum w pozostałych akwenach.

Podczas większości rejsów w 2016 r., średnia głębokość warstwy wymieszania w wodach

Basenu Bornholmskiego była większa od średniej z poprzedzającego 10ǦŽ‡ ‹ƒ ’‘œƒ œ‡”™ ‡

‹wrześniem, kiedy była mniejsza. W lutym i listopadzie jej głębokość różniła się o ponad 10 m od

ś”‡†‹‡Œ™‹‡Ž‘Ž‡–‹‡Œȋ”›•ǤͳǤʹǤʹƒȌǤ

Większe różnice w stosunku do średniej wieloletniej wystąpiły w kwietniu 2016 rǤ ™‡

wschodnim Basenie Gotlandzkim, kiedy średnia głębokość warstwy wynosiła tylko około 10 m.

W pozostałych miesiącach wartości średnie były podobne w obu okresach (”›•ǤͳǤʹǤʹ„ȌǤ

Odmiennie kształtowały się warunki mieszania w wodach Basenu Gdańskiego, zarówno w

części otwartej, jak i jego wodach przybrzeżnych. Znaczną część tego obszaru zajmuje strefa

‘–™ƒ”–ƒƒ™‹atr z kierunków północnych. Z kolei strefa płytkowodna zachodniej części Zatoki

Gdańskiej jest bardzo płytka, co ogranicza możliwość wystąpienia dużych głębokości warstwy

‹‡•œƒ‹ƒ ‹jednocześnie jest osłonięta dla większości kierunków wiatru, poza wschodn‹Ǥ

Ogólna charakterystyka zmienności głębokości warstwy wymieszania w Basenie Gdańskim jest

podobna do pozostałych akwenów otwartego morza z różnymi odchyleniami od średniej

wieloletniej oraz największym zasięgiem głębokości sięgającym ponad 80 metrów w l—–›

ȋ”›•ǤͳǤʹǤʹ ȌǤ‘Ž‡‹™’‘Ž•‹ Š wodach przybrzeżnych Basenu Gdańskiego maksymalny zasięg

głębokości warstwy wymieszania jest ograniczony do około 15 m od maja do sierpnia, w marcu

‹październiku. W pozostałych miesiącach wartości średnie są mniejsze, tylko wŽ‹•–‘’ƒ†œ‹‡

ʹͲͳ͸”Ǥ zarejestrowano znacznie większą głębokość w stosunku do średniej wieloletniej 

ȋ”›•ǤͳǤʹǤʹd), różniącą się o około 15 m.



ƒȌ

„Ȍ

Ȍ

›•ǤͳǤʹǤʹǤ





†Ȍ

Zakres zmienności głębokości warstwy wymieszania [m] w 2016 r. oraz średnia głębokość

™2016 (trójkąty) i w wieloleciu (kwadraty) w wydzielonych akwenach  Bałtyku: 

a) Basen Bornholmski, b) wschodni Basen Gotlandzki, c) Basen Gdański, d) ’‘Ž•‹‡ ™‘†›

przybrzeżne Basenu GdańskiegoǤ

ͳ͸

Poziomy morza

”‘ ‡•› Š›†”‘†›ƒ‹ œ‡ występujące w obrębie

południowego Bałtyku są modyfikowane w strefie

płytkowodnej i brzegowej, zarówno przez rzeźbę dna, jak

‹ukształtowanie brzegu. Również stopień zagrożenia

•ƒ‡‰‘ „”œ‡‰— ™ •›–—ƒ Œƒ Š ‘”ƒœ ‹–‡•›™‹‡Œ•œ› Š

sztormów wpływa na stopień bezpieczeństwa terenów

ƒœƒ’Ž‡ œ—ǤW strefie wód przejściowych iprzybrzeżnych

zmiany poziomu morza, falowanie oraz prądy w strefie

brzegowej wpływają zarówno na transport materii, jak

również na warunki hydromorfologiczne. Szczególnie

œ‹ƒ› ’‘œ‹‘— ‘”za w okresie sztormów (spiętrzenia

sztormowe) powodują konieczność rozwoju infrastruktury

służącej ochronie terenów nadmorskich przed zalewaniem

czy wręcz powodziami sztormowymi. Miarą zagrożeń tej

strefy jest częstość występowania poziomów osiągających

Ž—b przekraczających poziomy ostrzegawcze i alarmowe. 

Charakterystykę zmian poziomu morza opracowano na podstawie danych pomiarowych

œ‘”‡•— ʹͲͳͳǦ2016, gromadzonych w ramach państwowej służby hydrologicznoǦ

‡–‡‘”‘Ž‘‰‹ œ‡Œ  Ǧ Ǥ

 ‘ƒ™‹ƒ› ™‹‡Ž‘Ž‡ ‹— największą częstością występowania stanów ostrzegawczych

™•ƒŽ‹ ”‘— ȋ–ƒ„‡Žƒ ͳǤʹǤͶ) charakteryzowała się wschodnia część polskiego wybrzeża (rejon

Zatoki Gdańskiej – stacja w Gdańsku w Porcie Północnym oraz Władysławowo). Niemal 

͵Ǧkrotnie mniejszą częstość występowania stanów ostrzegawczych odnotowano w zachodniej

części wybrzeża (stacje Świnoujście, Kołobrzeg). 

Porównując częstość występowania stanów alarmowych w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸™•ƒŽ‹”‘—

w poszczególnych rejonach wybrzeża, również na wybrzeżu wschodnim stany alarmowe

występowały częściej (około 2Ǧkrotnie) w porównaniu do wybrzeżaœƒ Š‘†‹‡‰‘Ǥ

ƒ„‡ŽƒͳǤʹǤͶǤ Częstość (%) występowania poziomów morza osiągających lub przekraczających stan

ostrzegawczy i alarmowy (cm) na stacjach polskiego wybrzeża w wieloleciu 2011ǦʹͲͳ͸Ǥ



–ƒ Œƒ

–ƒ›

Świnoujście

•–ƒ

Łeba

ƒŽƒ”‘™‡

Ͳǡʹ͹

ͲǡͲ͹

ͲǡͲ͹

‘•–”œ‡‰ƒ™ œ‡

ͲǡͺͲ

Ͳǡ͸ͳ

Ͳǡͷ͵

‡Ž

Gdańsk Port

Północny

Ͳǡͷʹ

Ͳǡ͸ͷ

ʹǡ͵͹

͵ǡͲ͸



W poszczególnych miesiącach najczęstsze występowanie stanów ostrzegawczych przypada

na miesiące zimowe: grudzień i styczeńǤ†‘•‹się to do całego wybrzeża (–ƒ„‡ŽƒͳǤʹǤͷȌǤ›’‘™›

okresem, kiedy występują sztormy i związane z nimi wysokie poziomy oraz stany ostrzegawcze i

alarmowe, jest jesień i zima. Sztormy letnie, które należą do rzadkości powodowały

występowanie stanów ostrzegawczych we wschodniej części wybrzeża (stacja Gdańsk ‘”–

Północny oraz Władysławowo) wokresie letnim (lipiec, sierpień). W maju i œ‡”™ — •–ƒ›

ostrzegawcze nie występowały na całym wybrzeżu. W miesiącach od marca do września ™Žƒ–ƒ Š

ʹͲͳͳǦʹͲͳ͸•–ƒ›ƒŽƒ”‘™‡‹‡były ‘–‘™ƒ‡na całym wybrzeżu (–ƒ„‡ŽƒͳǤʹǤ͸ȌǤ

Najrzadziej, zarówno stany ostrzegawcze, jak i alarmowe notowano w środkowej części

™›„rzeża od Kołobrzegu do Ustki, czyli w obrębie ’‘Ž•‹ Š wód przybrzeżnych ™• Š‘†‹‡‰‘

ƒ•‡—‘”Š‘Ž•‹‡‰‘ǤNajczęstsze występowanie stanów ƒŽƒ”‘™› Šprzypada na miesiące

zimowe: styczeń i grudzień, donosi się to do całego wybrzeża.





ͳ͹

͵ǡͲʹ

ͷͷͲ

ͷͷͲ

ͷ͹Ͳ

ͳͳǡ͵͸

ͻǡͶͷ

ʹǡ͸Ͷ

ʹǡͺͻ

ͷ͹Ͳ

ͷ͸Ͳ



–ƒ

‘•–”œ‡‰ƒ™ œ›

ͳǡͷ

Ͳǡͻ͵

Ͳǡ͸ͻ

Ͳǡͻͳ

Ͳǡʹ͹



ͲǡͲʹ

Ͳǡʹͷ

Ͳǡͳͳ

Ͳǡ͵͹

Ͳǡʹͳ

ͲǡͲͷ



ͲǡͲͻ

Ͳǡ͵



ͲǡͶͷ



























ͲǡͲͻ

ͲǡͲͶ







 

Ͳǡʹ͹

ͲǡͲ͹







 

ͳǡͻͶ

Ͳǡͻ





Ͳǡͳʹ



ͶǡͳͶ

͵ǡͲͷ

Ͳǡͳ͸

Ͳǡʹ

ͳǡͺͺ



͵ǡͳͷ

ʹǡͶͷ

ͲǡͶͶ

ͲǡͶͻ

Ͳǡͻͻ



ͳ͵ǡʹ͸

ͳͲǡͺ͹

ʹǡ͵ͷ

ʹǡͷ͵

ʹǡ͹͵

 

Ͳǡͷ͸

ͷ͹Ͳ

ͷ͹Ͳ

͸ͲͲ

͵ǡ͵ͺ

ʹǡ͹ͳ

Ͳǡ͸ͷ

ͳǡʹͳ

͸ͳͲ

ͷͺͲ



–ƒƒŽƒ”‘™›





Ͳǡͷͻ

Ͳǡ͸͸







Ͳǡͷͳ

ͲǡͲʹ







ͳͺ















































 











 













Ͳǡ͹ͺ

Ͳǡʹ͹





ͲǡͶ͹



Ͳǡ͵ͻ

Ͳǡ͵͹





Ͳǡ͵ͷ



ʹǡͷ͵

ʹǡͳ͹

Ͳǡʹʹ

Ͳǡʹͷ

Ͳǡ͹Ͷ

 

– 27 –







–ƒ Œƒ

Świnoujście 

œƒ Š‘†‹ƒ•‡‘”Š‘Ž•‹

Kołobrzeg

œƒ Š‘†‹ƒ•‡‘”Š‘Ž•‹

•–ƒ

™• Š‘†‹ƒ•‡‘”Š‘Ž•‹

Władysławowo

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Gdańsk ǦPort Północny

Basen Gdański

Monitor Polski

ƒ„‡ŽƒͳǤʹǤ͸Ǥ Częstość (%) występowania poziomów morza osiągających lub przekraczających stan alarmowy (cm) w poszczególnych miesiącach, na •–ƒ Œƒ Š

polskiego wybrzeża,Žƒ–ƒʹͲͳͳǦʹͲͳ͸Ǥ

Świnoujście 

œƒ Š‘†‹ƒ•‡‘”Š‘Ž•‹

Kołobrzeg

œƒ Š‘†‹ƒ•‡‘”Š‘Ž•‹

•–ƒ

™• Š‘†‹ƒ•‡‘”Š‘Ž•‹

Władysławowo

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

GdańskPort Północny

Basen Gdański

–ƒ Œƒ

ƒ„‡ŽƒͳǤʹǤͷǤ Częstość (%) występowania poziomów morza osiągających lub przekraczających stan ostrzegawczy (cm) w poszczególnych miesiącachǡƒ•–ƒ Œƒ Š

’‘Ž•‹‡‰‘wybrzeżaǡŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ǥ

Zlodzenie



Naturalnym czynnikiem, który wpływa

na rozwój procesów biologicznych oraz

dystrybucję zanieczyszczeń z lądu jest

występowanie ’‘”›™›Ž‘†‘™‡Œƒ‘„•œƒ”ƒ Š

wód.

Występowanie zjawisk lodowych na

południowym Bałtyku jest niewielkie (Ž‹ œ„ƒ

†‹ œlodem, długość sezonu lodowego, daty

pojawienia się zlodzenia i jego zaniku)

™porównaniu z pozostałą częścią Morza

Bałtyckiego. W polskiej strefie przybrzeżnej

zlodzenie pojawia się tylko podczas

—‹ƒ”‘™ƒ› Š‹•—”‘™› Šœ‹ǤŽ‘†œ‡‹‡ƒ

poszczególnych akwenach kształtuje się różnorodnie. 

Polska strefa przybrzeżna dzieli się na kilka rejonów o odmiennym przebiegu zlodzenia

polskie wody przybrzeżne zachodniego Basenu Bornholmskiego (rejon wybrzeża Zatoki

‘‘”•‹‡ŒȌǡ ™• Š‘†‹‡‰‘ ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— ‘–Žƒ†œ‹‡‰‘ ‘”ƒœ ’‘Ž•‹‡ ™‘†›

przybrzeżne Basenu Gdańskiego, obszar zalewów: jak Zalew Szczeciński i ƒŽ‡™ Wiślany oraz

obszar otwartego morza wszystkich basenów. Zjawiska lodowe w rejonie otwartego morza

występują rzadko. W polskiej strefie przybrzeżnej najczęściej obserwowanymi formami zlodzenia

są początkowe postacie lodu oraz kra, dochodzi do tego również lód naniesiony z rzek. Podczas

surowych zim u polskiego wybrzeża lód może pojawić się już pod koniec listopada i może

utrzymać się do drugiej połowy marca, a nawet do początku kwietnia. Ustępowanie zlodzenia jest

przeważnie związane z odpływem lodu od wybrzeży i przypada przeciętnie na koniec lutego i

początek marca.

Suma chłodu (wskaźnik surowości zimy), czyli średnia suma ujemnych średnich dobowych

–‡’‡”ƒ–—” ’‘™‹‡–”œƒ ™ ”‡Œ‘‹‡ polskich wód przybrzeżnych pozwala na ocenę surowości

poszczególnych sezonów zlodzenia.

›•ǤͳǤʹǤ͵Ǥ

Suma ujemnych średnich dobowych temperatur powietrza –„suma chłodu” dla polskiego

wybrzeża,Žƒ–ƒʹͲͳͳ–ʹͲͳ͹Ǥ

›•Ǥ ͳǤʹǤ͵ przedstawia występowanie zim od najcieplejszej do najchłodniejszej w Žƒ–ƒ Š

ʹͲͳͳǦ2017. Najcieplejszą zimą była zima 2014/2015 ”Ǥ, natomiast najchłodniejszą zima

ʹͲͳʹȀʹͲͳ͵”Ǥ, chociaż żadna z zim z tego okresu nie była surowa.

Liczba dni z lodem w poszczególnych sezonach lodowych jest przedstawiona 

™ –ƒ„‡Ž‹ ͳǤʹǤ͹Ǥ  Žƒ–ƒ Š ʹͲͳͳ–ʹͲͳ͹ Ž‹ œ„ƒ †‹ œ Ž‘†‡ œƒ‘„•‡”™‘™ƒƒ ™ ’‘Ž•‹‡Œ •–”‡ˆ‹‡



ͳͻ

przybrzeżnej zmienia się od około12 dni w Świnoujściu do 1 dnia (dla zim, w których występował

lód w danym rejonie).



Rejon wybrzeża środkowego, czyli polskie wody przybrzeżne wschodniego Basenu

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego oraz Basenu Gdańskiegoǡ należ› do akwenów

‘najłagodniejszych warunkach zlodzenia w polskiej strefie przybrzeżnejǡ‰†œ‹‡przeważnie brak

Œ‡•–Ž‘†—’‘œƒœƒŽ‡™ƒ‹Ǥ



ƒ„‡ŽƒͳǤʹǤ͹Ǥ ‹ œ„ƒ†‹œŽ‘†‡ȗna polskich wodach przybrzeżnych w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͹Ǥ

™‡

ʹͲͳͳȀʹͲͳʹ ʹͲͳʹȀʹͲͳ͵ ʹͲͳ͵ȀʹͲͳͶ ʹͲͳͶȀʹͲͳͷ ʹͲͳͷȀʹͲͳ͸ ʹͲͳ͸ȀʹͲͳ͹

Świnoujście

Zalew Szczeciński 

Polskie wody przybrzeżneƒ•‡—‘”Š‘Ž•‹‡‰‘

ͳʹ

͵

͸

ʹ͸

͹ͷ

͵Ͷ

–Ǥ‘œ‡™‹‡

͸

Ͳ

†›‹ƒ

ͷ

Ͳ

Zalew Wiślany

ȗ ǤStanisławczyk 2012ǦʹͲͳ͹Ǥ

Ͳ

͵ʹ

ͷͲ

Ͳ

Ͳ

Ͳ

Ͳ

Ͳ

Ͳ

Ͳ

Ͳ

Polskie wody przybrzeżneBasenu Gdańskiego

ͳͳͻ

Ͳ

Ͳ

‘Ž•‹‡™‘†›przybrzeżneƒ•‡— ‘–Žƒ†œ‹‡‰‘

͵Ͷ

ͳ

Ͷͺ

ͳͳ

͵ʹ

ͷ͵



Polska część ƒŽ‡™—Wiślan‡‰‘i polska część ƒŽ‡™—Szczeciński‡‰‘należą do akwenów

‘największym zlodzeniu w rejonie polskich wód przybrzeżnych i przejściowych. ƒ ”›•Ǥ ͳǤʹǤͶ

przedstawiony został wieloletni ’”œ‡„‹‡‰ ȋŽƒ–ƒ ʹͲͳͳǦʹͲͳ͹Ȍ Ž‹ œ„› †‹ œ Ž‘†‡ ƒ ƒŽ‡™‹‡

Wiślanym‹ƒŽ‡™‹‡SzczecińskimǤ

Zalew Wiślany należy do akwenów, na których lód występuje corocznieǤ ‡•–‘†‘„”›

wskaźnikiem zmian warunków zlodzenia na przestrzeni lat, nawet gdy w strefie brzegowej morza

nie było zlodœ‡‹ƒǤNa Zalewie Wiślanym notowana jest także największa liczba dni zŽ‘†‡™

całej polskiej strefie brzegowej –146 dni. Następną w kolejności jest Zatoka Pucka –ͳʹͺ†‹‹

Zalew Szczeciński –115 dni. Jest to prawie dwa razy większa wartość niż najwięk•œƒŽ‹ œ„ƒ†‹œ‡

œŽ‘†œ‡‹‡™”‡Œ‘‹‡‘–™ƒ”–‡‰‘‘”œƒǤ

Lód na Zalewie Szczecińskim jest zjawiskiem występującym co roku i stanowi duże

utrudnienie dla żeglugi.ƒ”†œ‘”œƒ†‘Ǧprzy bardzo ciepłej zimie Ǧœ†ƒ”œƒsię, żeœŒƒ™‹•ƒŽ‘†‘™‡

nie występują. W ok”‡•‹‡ͳͲͲŽƒ–ȋ™™‹‡—Ȍzdarzyło się to jedynie 6 razyǤ





ʹͲ

›•ǤͳǤʹǤͶǤ

Poz. 230

Liczba dni z lodem na Zalewie Szczecińskim i Zalewie Wiślanym w Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͹Ǥ

ƒ –› ƒ™‡‹‡ ™ ‘”‡•‹‡ ͳͲͲ Žƒ– ȋ ™‹‡Ȍ przeważała utrudniona żeglugaǡ ƒ–‘‹ƒ•–

bardzo mała jest liczba dni, w których żegluga odbywała się bez przeszkód (w czasie

występowania zjawisk lodowych), co wynika z charakteru zlodzenia na Zalewie Szczecińskim –

występowanie lodu stałego i utrudnień z tym związanych. Natomiast w czasie surowej zimy

utrudnienia w żegludze wzrastają w dużym stopniu, zarówno na Zalewie Szczecińskim, jak i ƒ

morzu przed Świnoujściem.



1.3. Ogólne warunki hydrograficzne



Temperatura wody morskiej

Średnia temperatura wody w powierzchniowej warstwie morza basenów głębokowodnych

w poszczególnych miesiącach w 2016 r. w większości przypadków była wyższa od średniej ™

Žƒ–ƒ Š ʹͲͲ͸ǦʹͲͳͷ ȋ”›•Ǥ ͳǤ͵ǤͳȌǤ Odchylenie średniej w2016 r. było bliskie granicy przedziału

określonego przez wartość odchylenia standardowego. Tylko we wschodnim Basenie

Gotlandzkim średnia temperatura wody była niższa w czerwcu iŽ‹•–‘’ƒ†œ‹‡ǡ ’‘†‘„‹‡ Œƒ ™

ƒ•‡‹‡Gdańskim.

Maksymalna powierzchniowa temperatura wody (4,764 °C) w Basenie Bornholmskim była

™Ž—–›ʹͲͳ͸”Ǥnajbardziej zbliżona do maksimum wieloletniego (4,730 °C), zaś we wschodnim

ƒ•‡‹‡ ‘–Žƒ†œ‹ƒ•‹—™ʹͲͳ͸r. było wyższe od wieloletniego o1,553°C we wrześniu.

ƒ•›ƒŽ‡‘† Š›Ž‡‹‡—Œ‡‡ȋǦ6,039 °C) wystąpiło w maju 2016 rǤ™Basenie Gdańskim. 

Wody przybrzeżne Zatoki Gdańskiej przez większą część 2016 rǤ były cieplejsze niż w

wieloleciu, a wartości minimalne temperatury wody były wyższe od minimów w™‹‡Ž‘Ž‡ ‹—’‘œƒ

sierpniem kiedy różnica wynosiła Ǧ2,062 °C. Z kolei wartości maksymalne były wwiększości

przypadków niższe, nawet ‘5,964 °C Œƒw październiku –‡‰‘”‘—Ǥ

Wartości średnie temperatury wody w poszczególnych miesiącach odzwierciedlają

powyższą charakterystykę, gdzie duże odchylenia dodatnie wartości średniej wiążą się

œwyższymi temperaturami ekstremalnymi w 2016”Ǥw porównaniu do wielolecia, a odchylenia

ujemne ze znacznie mniejszymi wartościami –‡’‡”ƒ–—”›ƒ•›ƒŽ‡ŒǤ

Minimalna temperatura wody we wszystkich akwenach była w poszczególnych miesiącach

wyższa od minimalnych temperatur w wieloleciu, poza sierpniem w wodach przybrzeżnych

Basenu Gdańskiego, co świadczy, że 2016 rǤbył najcieplejszym ™‘ƒ™‹ƒ›‘”‡•‹‡Ǥ



ʹͳ

a)

Poz. 230

„Ȍ

Ȍ

›•ǤͳǤ͵ǤͳǤ

†Ȍ

‡’‡”ƒ–—”ƒ ™‘†› ™ ™ƒ”•–™‹‡ ’‘™‹‡”œ Š‹‘™‡Œ ‘”œƒ ™ ʹͲͳ͸”Ǥ ™ ™›†œ‹‡Ž‘› Š

ƒ™‡ƒ Š: a) Basen Bornholmski, b) wschodni Basen Gotlandzki, c) Basen Gdański, d)

polskie wody przybrzeżne Basenu Gdańskiego; linia ciągła –średnia ™Žƒ–ƒ ŠʹͲͲ͸ǦʹͲͳͷǢ

Ž‹‹‡’”œ‡”›™ƒ‡Ǧśrednia ± odchylenie standardowe™Žƒ–ƒ ŠʹͲͲ͸ǦʹͲͳͷǢ’—–›–ʹͲͳ͸”Ǥ

ȋ—™ƒ‰ƒ–różne skalowanie wartości temperatury)(źródło danych PMŚ)Ǥ

Przestrzenną charakterystykę zmian temperatury powierzchniowej wartswy morza ȋȌ

™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸’”œ‡†•–ƒ™‹‘‘ƒpodstawie map satelitarnych uzupełnionych w’”œ›’ƒ†—

„”ƒ—†ƒ› Š™›‹ƒ‹‘†‡Ž—͵ȋ‘™ƒŽ‡™•‹‹‘™ƒŽ‡™•ƒǦƒŽ‘™•ƒǡʹͲͳ͹ȌǤƒ’›–ƒ‹‡

zapisywane są w Systemie SatBałtyk cztery razy na dobę, na podstawie aktualnych obrazów

•ƒ–‡Ž‹–ƒ”› ŠǤ  ’”œ›’ƒ†— „”ƒ— †ƒ› Š •ƒ–‡Ž‹–ƒ”› Šǡ ze względu na zachmurzenie,

™›‘”œ›•–›™ƒ› jest algorytm łączenia wcześniejszych danych satelitarnych i‘†‡Ž—

hydrodynamicznego (Konik i in. 2018). Model PM3D w sposób ciągły asymiluje obserwowane

satelitarnie SST, co powoduje znaczne zmniejszenie błędów. 

 ‡Ž— • Šƒ”ƒ–‡”›œ‘™ƒ‹ƒ ’”œ‡•–”œ‡‡Œ œmienności SST wyznaczono średnie rozkłady

 ‹‘† Š›Ž‡‹ƒ •–ƒ†ƒ”†‘™‡‰‘ ƒ ’‘†•–ƒ™‹‡ ™•œ›•–‹ Š ƒ’ œ Žƒ– ʹͲͳͳǦʹͲͳ͸ ȋ”›•Ǥ ͳǤ͵ǤʹȌǤ

Najwyższe średnie temperatury w omawianym sześcioleciu obserwowano w Zalewie

Szczecińskim i ƒŽ‡™‹‡Wiślanym, a także w zatokach: Gdańskiej i Pomorskiej. W obszarach tych

odnotowano także większą zmienność wyrażającą się wyższymi wartościami odchylenia

standardowego. W strefie przybrzeżnej wybrzeża średnia temperatura była nieco niższa niż wód

otwartego morza, lecz zmienność była większa. Wyjątkiem był obszar występowania upwellingu

helskiego, który zaznaczył się niższa temperatura średnioroczną oraz mniejszym odchyleniem

•–ƒ†ƒ”†‘™›Ǥ ›‹ƒ –‘ œ faktu, że latem upwelling wynosi wody znacznie zimniejsze niż

otaczające, o temperaturze zbliżonej do średniej rocznej. Zimą natomiast –‹‡œƒ œ‹‡ ‹‡’Ž‡Œ•œ‡ǡ

co sumarycznie powoduje obniżenie średniej rocznej temperatury i zmniejszenie odchyleń o†–‡Œ

średniej. 



ʹʹ



›•ǤͳǤ͵ǤʹǤ

Rozkład średniej temperatury powierzchni morza (SST) oraz jej odchylenia standardowego

na podstawie danych z Systemu SatBałtyk dla lat 2011Ǧ2016 oraz średnie wartości i

odchylenia standardowe dla poszczególnych akwenówǤ



Rozkład przestrzenny średniej temperatury powierzchniowej w okresie letnim, tzn. dla

miesięcy od czerwca do września, był podobny do średniorocznego (”›•ǤͳǤ͵Ǥ͵), przy wyższych

wartościach o około͸–7 °C. Przestrzenne zróżnicowanie odchylenia standardowego natomiast

znacznie się różniło. Najmniejsze wartości, świadczące o małej zmienności odnotowano wƒ–‘ ‡

Pomorskiej. Większą zmienność temperatury odnotowano w Zalewie Wiślanym ‹ƒŽ‡™‹‡

Szczecińskim, w Zatoce Puckiej oraz w rejonie upwellingu helskiego.



›•ǤͳǤ͵Ǥ͵Ǥ

Rozkład średniej temperatury powierzchni morza (SST) w miesiącach letnich (VIǦ Ȍ‘”ƒœ

jej odchylenia standardowego na podstawie danych z Systemu SatBałtyk dla lat 2011ǦʹͲͳ͸

oraz średnie wartości i odchylenia standardowe dla poszczególnych akwenówǤ



Odejmując rozkład średniej temperatury SST w danym roku od średniej z lat 2011ǦʹͲͳ͸

wyznaczono przestrzenne rozkłady anomalii SST dla poszczególnych lat (”›•Ǥ ͳǤ͵ǤͶȌǤ  Žƒ–ƒ Š

ʹͲͳͳ ‹ 2012 obserwowano niższe temperatury w stosunku do średniej sześcioletniej dla

przeważającej części Ǥ ‡†›‹‡ ™ ʹͲͳʹ ”Ǥ  w zalewach: Wiślanym, Szczecińskim i Puckim

zanotowano wyższe temperatury. W kolejnych latach (2013Ǧ2015) średnie roczne temperatury

były wyższe od wieloletnich, choć nieco obniżone wartości występowały w rejonie upwellingu

Š‡Ž•‹‡‰‘™Žƒ–ƒ ŠʹͲͳͶ‹2015. Świadczy to o jego większej aktywności w tych latach. Największe

zróżnicowanie przestrzenne anomalii odnotowano w roku 2016. W całej strefie przybrzeżnej

występowały temperatury niższe od średniej, natomiast w wodach otwartych –wyższe. 



ʹ͵

›•ǤͳǤ͵ǤͶǤ



– 33 –

Poz. 230

Anomalie średniej rocznej temperatury powierzchni morza (SST) w latach 2011ǦʹͲͳ͸

™stosunku do średniej wieloletniej z tego ‘”‡•—Ǥ

Wyznaczono ponadto średnie roczne temperatury powierzchni morza dla akwenów

przyjętych w ocenie stanu środowiska  Bałtyku. Wartości średnich –‡’‡”ƒ–—” ‘„Ž‹ œ‘‘

poprzez uśrednienie w okresach rocznych wartości SST ze wszystkich pikseli mapy za™ƒ”–› Š™

†ƒ› ƒ™‡‹‡ ȋ”›•Ǥ ͳǤ͵Ǥͷǡ –ƒ„‡Žƒ ͳǤ͵Ǥͳ). Zmiany średnich temperatu” ’‘™‹‡”œ Š‹ ‘”œƒ ™

poszczególnych akwenach mają podobny przebieg w czasie, jednak wartości są zróżnicowane.

Najniższe występują zwykle we wschodnim Basenie Gotlandzkim, wyższe kolejno: w Basenie

Bornholmskim, w wodach otwartych Basenu Gdańskiego, w ’‘Ž•‹ Š wodach przybrzeżnych

Basenu Gdańskiego, w Zalewie Wiślanym, a najwyższe w Zalewie Szczecińskim. Wyjątkowo w

ʹͲͳ͸”Ǥtemperatury powierzchni morza w poszczególnych akwenach były wyrównane, co było

efektem anomalii polegającej na obniżeniu średnich wartości w strefie przybrzeżnej 

ȋ”›•ǤͳǤ͵Ǥͷ) i ich podwyższeniu w wodach otwartych. Zmiany roczne ‘† Š›Ž‡‹ƒ•–ƒ†ƒ”†‘™‡‰‘

temperatury powierzchni morza w poszczególnych akwenach wykazały, że najmniejsza

zmienność występowała w 2015”Ǥ, a największa wʹͲͳ͵”Ǥȋ–ƒ„‡ŽƒͳǤ͵ǤʹȌǤ



ʹͶ



›•ǤͳǤ͵ǤͷǤ

Poz. 230

Zmiany średniej rocznej temperatury powierzchni morza (SST) w latach 2011ǦʹͲͳ͸ †Žƒ

akwenów poszczególnych akwenów i całej powierzchni Morza Bałtyckiego.

ƒ„‡ŽƒͳǤ͵ǤͳǤ ‹ƒ› średniej ”‘ œ‡Œ –‡’‡”ƒ–—”› ’‘™‹‡”œ Š‹ ‘”œƒ ȋȌ ™ Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸ †Žƒ

poszczególnych akwenów i całego Morza Bałtyckiego.

Rok

2011

2012

2013

2014

2015

2016

Zalew Wiślany

ͳͳǡ͵ʹ

ͳͳǡͻͳ

ͳʹǡͲͻ

ͳʹǡͳͳ

ͳͳǡ͵ͳ

ͳͲǡͷͳ

ͳͲǡͻʹ

ͳͲǡ͹͸

ͳͳǡͷͺ

ͳͳǡ͵Ͳ

ͳͳǡͳͲ

ͳͲǡ͹ͻ

Zalew Szczeciński

polskie wody przybrzeżne Basenu Gdańskiego

Basen Gdański

wschodni Basen Gotlandzki

Basen Bornholmski

Morze Bałtyckie

ͳͳǡ͹ʹ

ͳͳǡͳͲ

ͳͲǡʹ͹

ͳͲǡͶͶ

ͻǡͷ͹

ͳʹǡͳͲ

ͳͳǡͲͶ

ͳͲǡͳ͸

ͳͲǡͶ͸

ͻǡʹ͸

ͳʹǡͲͻ

ͳͳǡͺʹ

ͳͳǡʹͳ

ͳͳǡʹͳ

ͻǡͻͻ

ͳʹǡͷ͸

ͳͳǡͶͷ

ͳͳǡͲͷ

ͳͳǡͶͳ

ͳͲǡͳʹ

ͳͳǡ͹͵

ͳͳǡͳͶ

ͳͲǡ͹ͷ

ͳͲǡͻ͵

ͻǡͺͶ

ͳͲǡ͹Ͳ

ͳͲǡ͹ͳ

ͳͲǡ͸ͷ

ͳͲǡ͹Ͳ

ͺǡͻ͹

ƒ„‡ŽƒͳǤ͵ǤʹǤ ‹ƒ›‘† Š›Ž‡‹ƒ•–ƒ†ƒ”†‘™‡‰‘–‡’‡”ƒ–—”›’‘™‹‡”œ Š‹‘”œƒȋȌ™Žƒ–ƒ ŠʹͲͳͳǦ

2016 dla poszczególnych akwenów i całego Morza Bałtyckiego.

Rok

2011

2012

2013

2014

2015

2016

Zalew Wiślany

͹ǡͲ͹

͹ǡͶ͵

͹ǡͷ͹

͹ǡʹͻ

͸ǡ͵ʹ

͹ǡͶͻ

͸ǡͳ͵

͸ǡʹͷ

͸ǡʹ͵

ͷǡͺ͹

ͷǡͳͷ

ͷǡͺͲ

Zalew Szczeciński

polskie wody przybrzeżne Basenu Gdańskiego

Basen Gdański

wschodni Basen Gotlandzki

Basen Bornholmski

Morze Bałtyckie

͸ǡ͸͸

͸ǡʹ͸

ͷǡ͹ʹ

ͷǡͺ͹

͸ǡͲͺ

͸ǡ͸Ͳ

͸ǡͷͲ

ͷǡͺ͸

͸ǡͲ͵

ͷǡͺͻ

͹ǡ͵Ͳ

͸ǡͷ͵

ͷǡͻͺ

͸ǡͳ͹

͸ǡͲͻ

͸ǡͺʹ

͸ǡͲͷ

ͷǡ͹ͻ

ͷǡ͸ͺ

͸ǡͲ͹

͸ǡͳͶ

ͷǡ͵ͻ

Ͷǡͻͺ

Ͷǡ͹͹

ͷǡͳͲ

͹ǡ͵ͷ

͸ǡʹͺ

ͷǡͷͳ

ͷǡ͸͸

ͷǡ͹͵



Średnie temperatury powierzchni morza dla poszczególnych akwenów wyznaczono także

dla miesięcy letnich, od czerwca do września (”›•Ǥ ͳǤ͵Ǥ͸ǡ –ƒ„‡Žƒ ͳǤ͵Ǥ͵ȌǤ Š œ‹ƒ›

™poszczególnych latach były podobne do zmian średnich rocznych z wyjątkiem roku 2016, gdy

występowały najwyższe temperatury w okresie letnim, choć średnie roczne były raczej nis‹‡

(średnia roczna temperatura SST w Morzu Bałtyckim była najniższa w całym sześcioleciu).



ʹͷ

† Š›Ž‡nia standardowe najniższe były w roku 2011 z wyjątkiem Zalewu Wiślanego, gdzie nieco

mniejsza zmienność występowała w 2015 rǤȋ–ƒ„‡ŽƒͳǤ͵ǤͶȌǤ



›•ǤͳǤ͵Ǥ͸Ǥ



Zmiany średniej temperatury powierzchni morza (SST) w okresie letnim (VI – Ȍ™Žƒ–ƒ Š

ʹͲͳͲǦ2016 dla poszczególnych akwenów i całej powierzchni Morza Bałtyckiego.

ƒ„‡ŽƒͳǤ͵Ǥ͵Ǥ Zmiany średniej rocznej –‡’‡”ƒ–—”›’‘™‹‡”œ Š‹‘”œƒȋȌ™‘”‡•‹‡Ž‡–‹ȋ – Ȍ™

Žƒ–ƒ ŠʹͲͳͳǦ2016 dla poszczególnych akwenów i całego Morza Bałtyckiego.

Rok

2011

2012

2013

2014

2015

2016

Zalew Wiślany

ͳͺǡͳͺ

ͳͺǡ͸Ͷ

ͳͻǡͲ͵

ͳͺǡͺͷ

ͳ͹ǡͺͻ

ͳͻǡʹͶ

ͳ͸ǡͺͷ

ͳ͸ǡͺ͹

ͳ͹ǡͷ͸

ͳ͹ǡͳͻ

ͳ͸ǡ͵͸

ͳ͹ǡͺͲ

Zalew Szczeciński

polskie wody przybrzeżne Basenu Gdańskiego

Basen Gdański

wschodni Basen Gotlandzki

Basen Bornholmski

Morze Bałtyckie

ͳͺǡͲ͵

ͳ͹ǡʹͳ

ͳͷǡͻʹ

ͳ͸ǡʹ͵

ͳͷǡ͹Ͳ

ͳͺǡͳ͹

ͳ͹ǡ͵ͷ

ͳ͸ǡͲͲ

ͳ͸ǡͶ͸

ͳͷǡͳͳ

ͳͺǡ͸ͺ

ͳͺǡͲͻ

ͳ͸ǡͻͻ

ͳ͹ǡͳ͹

ͳͷǡͻ͹

ͳͺǡͺ͹

ͳ͹ǡ͸ͳ

ͳ͸ǡͺ͵

ͳ͹ǡͲͷ

ͳ͸ǡͳͺ

ͳ͹ǡͻͺ

ͳ͸ǡͺ͵

ͳͷǡ͹͹

ͳͷǡ͹ͷ

ͳͶǡͻ͸

ͳͻǡͶ͸

ͳͺǡ͵͵

ͳ͹ǡʹͻ

ͳ͹ǡͶͻ

ͳͷǡͺͶ

ƒ„‡ŽƒͳǤ͵ǤͶǤ ‹ƒ›‘† Š›Ž‡‹ƒ•–ƒ†ƒ”†‘™‡‰‘–‡’‡”ƒ–—”›’‘™‹‡”œ Š‹‘”œƒȋȌ™‘”‡•‹‡Ž‡–‹

ȋ – Ȍ™Žƒ–ƒ ŠʹͲͳͳǦ2016 dla poszczególnych akwenów i całego Morza Bałtyckiego.

Rok

2011

2012

2013

2014

2015

2016

Zalew Wiślany

ʹǡͷͷ

ʹǡ͹ͳ

ʹǡͻ͸

͵ǡʹ͹

ʹǡͶʹ

ʹǡͷ͸

ͳǡ͸ͻ

ʹǡ͵͵

ʹǡͳͶ

ʹǡ͸͵

ʹǡͳ͵

ʹǡͲͻ

Zalew Szczeciński

polskie wody przybrzeżne Basenu Gdańskiego

Basen Gdański

wschodni Basen Gotlandzki

Basen Bornholmski

Morze Bałtyckie

ʹǡ͵ͺ

ͳǡ͹Ͷ

ͳǡ͹Ͳ

ͳǡͷͷ

ʹǡ͵ͺ

ʹǡ͵ͻ

ʹǡͶͳ

ʹǡ͵ͷ

ʹǡʹͷ

ʹǡͶʹ

͵ǡͲͻ

ʹǡͶʹ

ʹǡͳͶ

ʹǡ͵ͷ

ʹǡͳ͹

ʹǡͻͻ

ʹǡͷͻ

ʹǡ͹ͺ

ʹǡ͵ͷ

͵ǡʹͲ

ʹǡ͸͸

ʹǡͲͺ

ʹǡͶ͵

ʹǡͲ͵

ʹǡͷ͵

ͳǡͺͻ

ʹǡʹͳ

ͳǡͺͲ

ʹǡͲͳ

ʹǡͲ͹



O ile metoda wykorzystująca dane sa–elitarne stanowi cenne uzupełnienie informacji

uzyskanej z pomiarów monitoringowych o przestrzennych zmianach temperatury wody



ʹ͸

™™ƒ”•–™‹‡ ’‘™‹‡”œchniowej morza, to dla warstw głębinowych pomiary są jedynym

wiarygodnym źródłemȋ”›•ǤͳǤ͵Ǥ͹ȌǤ



›•ǤͳǤ͵Ǥ͹Ǥ





‹ƒ›–‡’‡”ƒ–—”›wody w rejonie trzech głębi: Bornholmskiej, Gdańskiej i wschodniego

•–‘— ‘–Žƒ†œ‹‡Œ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ(źródło danych PMŚ)Ǥ



ʹ͹

Zasolenie

Średnie zasolenie wody w warstwie powierzchniowej wód Basenu Bornholmskiego przez

cały ʹͲͳ͸”Ǥ, poza lutym, było wyższe o około 0,5 od średniego zasolenia z okresu 2006ǦʹͲͳͷǡœ

tendencją malejąca do września (”›•Ǥ ͳǤ͵Ǥͺa). Jednocześnie we wszystkich miesiącach wartości

minimalne zasolenia były większe od minimów w wieloleciu. W sierpniu różnica była największa

–͵ǡͻ͵͸Ǥ

 ™‘†ƒ Š ™• Š‘†‹‡‰‘ƒ•‡— ‘–Žƒ†œ‹‡go odchylenia były mniejsze bez wyraźnego

‹‡”—— œ‹ƒ ȋ”›•Ǥ ͳǤ͵Ǥͺb), co zaznaczyło się także w mniejszych różnicach wartości

minimalnych w przypadku, których wartość średnia wyniosła 0,447.

ƒȌ

Ȍ

›•ǤͳǤ͵ǤͺǤ

„Ȍ



†Ȍ



ƒ•‘Ž‡‹‡™‘†›™™ƒ”•–™‹‡’‘™‹‡”œ Š‹‘™‡Œ‘”œƒ™ʹͲͳ͸”Ǥ™™›†œ‹‡Ž‘› Šƒ™‡ƒ Š

’‘Ž•‹‡‰‘ ‘„•œƒ”— ‘”•‹‡‰‘ǣ ƒȌ ƒ•‡ ‘”Š‘Ž•‹ǡ „Ȍ ™• Š‘†‹ ƒ•‡ ‘–Žƒ†œ‹ǡ

c) Basen Gdański, d) polskie wody przybrzeżne Basenu Gdańskiego; linia ciągła –średnia

ʹͲͲ͸ǦʹͲͳͷǢŽ‹‹ƒ’”œ‡”›™ƒƒ–średnia ± odchylenie standardowe 2006ǦʹͲͳͷǢ’—–›–”‘

ʹͲͳ͸ȋ—™ƒ‰ƒ–różne skalowanie wartości zasolenia)(źródło danychPMŚ)Ǥ



W Basenie Gdańskim zasolenie w okresie wiosennym oraz na przełomie lata i jesieni 2016

”Ǥ było wyższe niż w wieloleciu (”›•Ǥ ͳǤ͵Ǥͺ ). W wodach przybrzeżnych tego akwenu œƒ•‘Ž‡‹‡

ulegało wahaniom w ciągu roku, a w sposób istotny spadło w sierpniu (”›•ǤͳǤ͵Ǥͺ†ȌǤ

Zasolenie wód przydennych strefy głębokowodnej południowego Bałtyku w ‘”‡•‹‡ʹͲͳͳǦ

ʹͲͳ͸. było kształtowane przez słaby wlew słonych wód z Morza Północnego. Największy wzrost

zasolenia (18,881) stwierdzono w wodach Głębi Bornholmskiej w kwietniu, po czym nastąpiło

stopniowe obniżenie do września (”›•ǤͳǤ͵ǤͻƒȌǤ

W wodach przydennych wschodniego Basenu Gotlandzkiego zasolenie wzrastało od

’‘czątku roku do maja 2016 r., utrzymując się następnie na podobnym poziomie do sierpnia. Po

krótkotrwałym spadku nastąpił jego ponowny wzrost w listopadzie (”›•ǤͳǤ͵Ǥͻ„ȌǤ



ʹͺ





W Głębi Gdańskiej największe zasolenie (14,318) wód przydennych 2016 r. wystąpiło na

początku kwietnia (”›•Ǥ ͳǤ͵Ǥͻc), po czym utrzymywało się na niższym poziomie †‘ Ž‹•–‘’ƒ†ƒ

ȋͳ͵ǡ͹ʹ͸ȌǤ

›•ǤͳǤ͵ǤͻǤ



Zmiany zasolenia w wybranych akwenach głębokowodnych  ™Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸Ǣ Ȍ

Głębia Bornholmska, ) płdǦ™• ŠǤ ƒ•‡ ‘–Žƒ†œ‹ǡ ) Głębia Gdańska (źródło danych

PMŚ)Ǥ

ʹͻ

Odczyn wody morskiej

Parametrem opisującym kwasowość/zasadowość wody morskiej jest Œ‡Œ ‘† œ› ȋ’ ȌǤ

Wskaźnik ten służy do oceny skali problemu potencjalnego zakwaszania wód oceanu światowego

głównie na skutek zwiększonego dopływu dwutlenku węgla z atmosfer›Ǥ ‘‹–‘”‘™ƒ‹‡ ’ 

środowiska morskiego stanowi podstawę do wychwycenia trendów zmian czasowych i

przestrzennych, wynikających zarówno z działalności człowieka (głównie spalania paliw

kopalnych)

jak

i

czynników

naturalnych

(geologicznych,

hydrodynamicznycŠǡ

klimatycznych/meteorologicznych) oraz związanych z nimi ewentualnych zmian funkcjonowania

ekosystemów morskich.

Dane pomiarowe wykorzystane do analizy zmian pH wody morskiej zostały zebrane w

Žƒ–ƒ ŠʹͲͲ͸–2016 podczas rejsów badawczych przeprowadzonych wpolskiej wyłącznej strefie

ekonomicznej (EEZ) z częstotliwością 6 razy w roku. 

Wartości pH zmierzone podczas rejsów w 2016 r. w całym rejonie badań i w całym zakresie

głębokości (od powierzchni do dna) zmieniały się w granicach od 7,04 do 9,23,

ƒœƒ”‡•tej zmienności był większy w stosunku do obserwowanego w poprzednim roku (7,16–

8,85) (ŁysiakǦƒ•–—•œƒ ʹͲͳ͸ȌǤ  ʹͲͳ͸ ”Ǥ średnia wartość pH wód całego badanego obszaru

wynosiła 8,17 i była wyższa od średniej dla 2015 rǤȋͺǡͳ͸ȌǤ

Zakres zmienności pH wody morskiej poszczególnych akwenów był większy od

obserwowanego w roku ubiegłym, a średnie wartości roczne różniły się od stwierdzonych

™ʹͲͳͷ”Ǥȋ–ƒ„‡ŽƒͳǤ͵ǤͷȌǤ



ƒ„‡Žƒ ͳǤ͵ǤͷǤ •–”‡ƒŽ‡ i średnie wartości pH w wodach wydzielonych akwenów  ™ ʹͲͳ͸ ”Ǥ ™

porównaniu z 2015 r.

™‡

ʹͲͳͷ

‹‹—

ʹͲͳ͸

ʹͲͳͷ

ƒ•‹—

ʹͲͳ͸

ʹͲͳͷ

Średnia

ʹͲͳ͸

ƒ•‡

͹ǡͳ͸

͹ǡͲͶ

ͺǡͺͷ

ͻǡʹʹ

ͺǡͳʹ

ͺǡͳʹ

Gdański

™• Š‘†‹

ƒ•‡

͹ǡʹͺ

͹ǡʹͲ

ͺǡ͸͵

ͻǡͲͲ

ͺǡ͵Ͳ

ͺǡʹͲ

‘–Žƒ†œ‹

ƒ•‡

͹ǡͶʹ

͹ǡͳͶ

ͺǡ͹͸

ͻǡʹ͵

ͺǡͳʹ

ͺǡͳͺ

‘”Š‘Ž•‹



Rozpatrując otrzymane w 2016 rǤdane na tle ostatnich dziesięciu lat stwierdzono słabą

tendencję rosnącą odczynu wody morskiej, zarówno w całym obszarze objętym badaniami jak i

na

poziomie

wydzielonych

akwenów.

Średnie

wartości

pH

w

2016

r.

w poszczególnych akwenach były wyższe od śred‹‡Œ†‡ƒ†‘™‡Œȋ”›•ǤͳǤ͵ǤͳͲȌǤ







͵Ͳ

›•ǤͳǤ͵ǤͳͲǤ

Poz. 230





Średnie roczne wartości pH w całej kolumnie wody w latach 2006–ʹͲͳ͸™™›†œ‹‡Ž‘› Š

ƒ™‡ƒ Š ; linia ciągła – średnia 2006–ʹͲͳͷǡ Ž‹‹ƒ ’”œ‡”›™ƒƒ – –‡†‡ Œƒ œ‹ƒ

(źródło danych PMŚ)Ǥ

Zmienność czasowa pH w warstwie powierzchniowej morza (0–ͳͲ Ȍǡ •–ƒ‘wiącej

bezpośredni receptor ewentualnych zmian zachodzących w atmosferze, wykazywała podobne

prawidłowości jak obserwowane w ostatnim dziesięcioleciu dla całego słupa wody (”›•ǤͳǤ͵ǤͳͳȌǤ



Basen Gdański

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹



›•ǤͳǤ͵ǤͳͳǤ











ƒ•‡‘”Š‘Ž•‹



Średnie

wartości

odczynu

wody

morskiej

w

latach

2006ǦʹͲͳ͸

™’‘™‹‡”œ Š‹‘™‡Œ™ƒ”•–™‹‡ȋͲ–ͳͲm) wydzielonych akwenów Bałtyku (linia ciągła –

średnia 2006–ʹͲͳͷǡŽ‹‹ƒ’”œ‡”›™ƒƒ––‡†‡ ŒƒȌ(źródło danych PMŚ)Ǥ

͵ͳ

Zmiany odczynu wody morskiej są w dużej mierze efektem procesów biologicznych

zachodzących w powierzchniowej warstwie wody. Podczas intensywnych zakwitów

fitoplanktonu, w procesie fotosyntezy, ze środowiska pochłaniany jest dwutlenek węgla

‹uwalniany tlen. W związku z tym można się spodziewać korelacji pomiędzy stężeniem tlenu a

wartością pH ‘”ƒœ zmienności przestrzennej i czasowej tego parametru powiązanej

œgeograficzną i sezonową zmiennością intensywności fotosyntezy (Wesslander 2011). 

Ze zmianami intensywności produkcji pierwotnej związane były zmiany sezonowe wartości

pH. W roku 2016 najwyższe wartości pH zmierzono w okresie intensywnej wegetacji (kwiecień–

czerwiec). Charakterystyczny rozkład pionowy odczynu wody morskiej, czyli spadek pH od

powierzchni do dna, związany m.in. ze zmniejszaniem ilości rozpuszczonego tlenu, zużywanego

w głębszych warstwach morza w procesach chemicznycŠǡ ’Ǥ na rozkład obumarłej materii

‘”‰ƒ‹ œ‡Œǡ‹Ž—•–”—Œ‡”›•ǤͳǤ͵Ǥͳʹ. Ten naturalny rozkład pionowy odczynu wód morskich może

jednak zostać zakłócony przez nadzwyczajne zjawiska fizyczne zachodzące w morzu, takie jak

wlewy wód oceanicznych lub upwelling. W 2016 ”Ǥzjawisko upwelling’u zostało zanotowane na

początku czerwca w strefie płytkowodnej środkowego wybrzeża, kiedy to wody, z głębszych

warstw o niższym pH, zostały uniesione w kierunku powierzchni (”‰ƒ•ʹͲͳ͸ȌǤ







›•Ǥ ͳǤ͵ǤͳʹǤ Pionowy rozkład pH oraz stęże‹ƒ tlenu w wodach polskiej wyłącznej strefy ekonomicznej

wzdłuż przekroju głębokowodnego od Basenu Bornholmskiego do Zatoki Gdańskiej

(przykładowa sytuacja z kwietnia 2016 r.)(źródło danych PMŚ)Ǥ



Prądy morskie i wymiana wód

Prądy morskie

‘ ’”œ‡†•–ƒ™‹‡ƒ ™arunków hydrodynamicznych w  ™›‘”œ›•–ƒ‘ ’‘‹ƒ”›

wykonywane w ramach monitoringu Bałtyku przy pomocy prądomierza ADCP RDI podczas ruchu

statku, które wykonywano w okresie od 2006 ”Ǥ do 2016 r. W strefach płytkowodnych prądy

’‘†’‘™‹‡”œ Š‹‘™‡‹‡”œ‘‘œwykle w warstwach o grubości 2,5 m od około 9,8 m do 12,3 m

głębokości, zaś w rejonach o głębokości większej od 25–w warstwie od około 7,5 †‘ͳʹǡͷǤ

Ogólną charakterystykę rozkładu prądów dla ‘”‡•— ʹͲͲ͸ǦʹͲͳͷ ’”œ‡†•–ƒ™‹‘‘

w postaci róż prądów wyznaczonych dla poszczególnych kwadratów bałtyckich (”›•Ǥ ͳǤ͵Ǥͳ͵ȌǤ



͵ʹ

Maksymalny zakres skali udziału procentowego kierunków na wszystkich rysunkach wynosi

͵ͲΨǤ

‹‡”—‹prądów podpowierzchniowych w polskiej strefie przybrzeżnej zawierały się w

wąskim przedziale wzdłuż osi północnyǦwschód południowyǦzachód. W kwadracie K02 w strefie

przybrzeżnej Zatoki Gdańskiej przeważnie rejestrowano wzdłużbrzegowe prądy południowoǦ

œƒ Šodnie i północnoǦwschodnie, natomiast w kwadracie L02 w większości przypadków były to

prądy skierowane do brzegu.  Zatoce Pomorskiej przeważał kierunek północny oraz

wzdłużbrzegowy.





›•Ǥ ͳǤ͵Ǥͳ͵Ǥ Róże prądów ™ ™ƒ†”ƒ–ƒ Š ™ ™ƒ”•–™‹‡ ’‘†’‘™‹‡”œ Š‹‘™‡Œ ͹ǡͷǦͳʹǡͷ  ƒ ’‘†•–ƒ™‹‡

pomiarów z lat 2006ǦʹͲͳͷǤ

Na rozkład prądów w rejonie Głębi Gdańskiej, znajdującej się w obrębie kwadratu L03,

zasadniczy wpływ mają cyklonalne lub antycyklonalne układy przepływu wód powstające

podczas oddziaływania wiatru z różnych kierunków. W wyniku tego występują tam prądy o

podobnym udziale procentowym dla wszystkich kierunków, co szczególnie dobrze widoczne jest

™przypadku pomiarów wieloletnichǤ

”‡Œ‘‹‡ƒ•‡—‘”Š‘Ž•‹‡‰‘™™‹‡loleciu w większości przypadków były to prądy

sektora północnoǦœƒ Š‘†‹‡‰‘Ǥ W obrębie południowoǦwschodniego stoku Głębi Gotlandzkiej

dominowały prądy południow‡™™‹‡Ž‘Ž‡ ‹—Ǥ

W kwadratach obejmujących Rynnę Słupską (I04 i J04) dominujące były prądy północnoǦ

wschodnie z małym, porównywalnym udziałem pozostałych kierunków. 

‹Ž‡’‘‹ary wykonywane podczas rejsów dostarczają informacji o warunkach panujących

’‘† œƒ• ™›‘›™ƒ‹ƒ ’omiaru pozostałych parametrów, to pełniejszego obrazu stanu

hydrodynamiki wód Bałtyku w całym okresie objętym aktualizacją oceny może dostarczyć

™›‘”œ›•–ƒ‹e metody połączenia danych satelitarnych z modelowaniem numerycznym.

Średnie prędkości prądu morski‡‰‘™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸zostały wyznaczone na podstawie

wyników modelu hydrodynamicznego PM3D o rozdzielczości około1 km w południowej części

Bałtyku ȋ‘™ƒŽ‡™•‹ ‹‘™ƒŽ‡™•ƒǦƒŽ‘™•ƒǡ ʹͲͳ͹ȌǤ ‘†‡Ž –‡ ƒ•›‹Ž—Œ‡ †ƒ‡ •ƒ–‡Ž‹–ƒ”‡

ȋȌ‘”ƒœ™›‘”œ›•–—Œ‡†ƒ‡‘dopływie promieniowania słonecznego na podstawie ‹ˆ‘”ƒ Œ‹

•ƒ–‡Ž‹–ƒ”› ŠǤ

Na podstawie map prądów powierzchniowych i podpowierzchniowych obliczonych za

pomocą modelu i zgromadzonych z interwałem 6 godzin w Systemie SatBałtyk, w›œƒ œ‘‘

⃗  na powierzchni oraz na głębokości 20 m w latach ʹͲͳͳǦʹͲͳ͸

średnie prędkości wektorowe 𝑉𝑉

uśredniając Š™‹Ž‘™‡składowe prędkości u‹vw każdym węźle siatki obliczeniowej:



͵͵

u

1 N

1 N

ui ǡ v   vi 



N i 1

N i 1







Poz. 230









ȋͳȌ

Średni moduł prędkości w danym węźle obliczeniowym siatki numerycznej ™›œƒ œ‘‘ƒ

podstawie formuły:

V

1 N

 ui2  vi2 

N i1















ȋʹȌ

 













ȋ͵Ȍ

Stabilność prądu (‡Šƒ ‹ ‹†”‹ Š•‡ǡ ʹͲͲͲȌ jest to stosunek modułu średniej

prędkości wektorowej do średniego modułu prędkościǣ

⃗|

|𝑉𝑉

𝑆𝑆 = 𝑉𝑉̅ = 1

𝑁𝑁

̅ 2 +𝑣𝑣̅ 2

√𝑢𝑢

2

2

∑𝑁𝑁

𝑖𝑖=1 √𝑢𝑢𝑖𝑖 +𝑣𝑣𝑖𝑖



Stabilność charakteryzuje liczbowo zmienność prądu i przyjmuje wartości z zakresu od 0

do 1. Wartość 1 oznaczałaby, że w danym miejscu (węźle siatki obliczeniowej) prąd płynął przez

cały analizowany okres w tym samym kierunku i ze stałą prędkością. 

Na podstawie map prądów z modelu PM3D zgromadzonych w Systemie SatBałtyk

wyznaczono średnie wieloletnie (dla okresu 2011Ǧ2016) moduły prędkości, średnie prędkości

wektorowe i stabilności prądu powierzchniowego (”›•Ǥ ͳǤ͵ǤͳͶ). Największe prędkości prądu

odnotowano dla rejonu położonego na północ od Półwyspu Hel, gdzie intensyfikacja prądów w

wyniku układu linii brzegowej sprzyja powstawani— —’™‡ŽŽ‹‰— ‹ †‘™™‡ŽŽ‹‰— „”œ‡‰‘™‡‰‘Ǥ

‘‹‘ǡż‡jest to najbardziej dynamiczny fragment polskich wód morskich, to średnia prędkość

wektorowa i stabilność przepływu jest tam niewielka. Wynika to z faktu naprzemiennego

występowania przeciwnie skierowanych prądów: w kierunku południowoǦ™• Š‘†‹ ‹

północ‘Ǧzachodnim. Prądy te powodują odpowiednio powstawanie zjawiska downwellingu i

upwellingu, a ich wypadkowy wektor skierowany jest w kierunku południowoǦ™• Š‘†‹Ǥ

Największą stabilnością cechują się prądy powierzchniowe płynące na wschód wzdłuż brzegów

™›brzeża środkowegoǤ ą one determinowane przeważającymi w ciągu roku wiatrami

œƒ Š‘†‹‹Ǥ

›•ǤͳǤ͵ǤͳͶ. Średnie prędkości prądów powierzchniowych i ich stabilność w latach 2011ǦʹͲͳ͸Ǥ



‘”‡•‹‡Ž‡–‹ȋ”›•ǤͳǤ͵Ǥͳͷ) rozkład przestrzenny prądów jest bardzo zbliżony do układu

rocznego. Dominują prądy wschodnie, nieco słabsze i mniej stabilne niż średnioroczne. 





͵Ͷ

›•ǤͳǤ͵Ǥͳͷ. Średnie prędkości prądów powierzchniowych i ich stabilność w miesiącach letnich (V – Ȍ™

Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ



Rozkład średnich prądów podpowierzchniowych (”›•ǤͳǤ͵Ǥͳ͸), na głębokości 20 m ukazuje

znacznie mniejsze średnie moduły prędkości w stosunku do wartości na powierzchni. Podobnie

jak w przypadku prądów powierzchniowych intensyfikacja przepływów widoczna jest jedynie w

rejonie występowania upwellingu/downwellingu helskiego. Na głębokości 20 m prądy cechowały

się jednak większą stabilnością, co powoduje, że wypadkowe wektory prądu mają podobne

wartości, a czasem nawet większe niż na powierzchni. Najlepiej œŒƒ™‹•‘–‘œƒ—ważalne jest w

przypadku cyklonalnego wiru na wschód od Bornholmu, który w przypadku prądów

powierzchniowych jest znacznie słabiej zarysowany niż na głębokości 20 m. Podobnie jak na

powierzchni, wzdłuż wybrzeża środkowego wypadkowy prąd płynie w kierunku w• Š‘†‹ ‹

cechuje się stosunkowo dużą stabilnością. W zachodniej części Zatoki Gdańskiej ujawnił się

podpowierzchniowy prąd płynący w kierunku północnoǦzachodnim o podwyższonej stabilności,

który wraz z przeciwnie skierowanym prądem w rejonie Głębi Gdańsk‹‡Œ –™‘”œ› œƒ™‹”‘™ƒ‹‡

ƒ–› ›Ž‘ƒŽ‡Ǥ



›•Ǥ ͳǤ͵Ǥͳ͸.



Średni moduł prędkości, średnia prędkość wektorowa i

podpowierzchniowych (na głębokości 20 m) w latach 2011ǦʹͲͳ͸Ǥ

stabilność

prądów

Wymiana wód

›‹ƒƒ wód w polskiej strefie Bałtyku zachodzi zarówno w skali lokalnej, w warstwie

powierzchniowej rejonów przybrzeżnych, jak i regionalnej w warstwie przydennej. W pierwszym

przypadku wiąże się ona z dopływem wód rzecznych do morza i opadami, w drugim przypadku–

wynika z występowania nieregularnych wlewów słonych wód z Morza Północnego przez cieśninę

Kattegat. Bałtyk łączy się z Morzem Północnym płytkimi i wąskimi cieśninamiǤ Wymiana wód

odbywa się nad płytkimi progami podwodnymi w Sundzie (głębokość 8 m) i Wielkim Bełcie



͵ͷ

(głębokość 15Ǧ16 m). Odnowa wód w głębokich akwenach może mieć miejsce jedynie w wyniku

ekstremalnych wlewów do Morza Bałtyckiego. 

 ‘”‡•‹‡ ‘† ʹͲͳͳ ”Ǥ †‘ ʹͲͳͷ ”Ǥ wystąpił jeden z największych wlewów do Morza

Bałtyckiego (w 2014r.), wystąpiłyteż inne™Ž‡™›, mniej znaczące, umiarkowane i średnie. 

W ciągu 2011 r. wystąpiły większe wlewy (jednak należące do umiarkowanych): na

przełomie stycznia i lutego, marca i kwietnia, w maju oraz na przełomie listopada i grudnia 

2011 r. Wlew z przełomu lis–‘’ƒ†ƒ ‹ ‰”—†‹ƒ ʹͲͳͳ r., wpływał na warunki termohalinowe

polskich wód przydennych jeszcze w 2012 r. Odnowił też wody Basenu Bornholmskiego i

Gdańskiego. Jesienią 2014 r. rozpoczął się jeden z największych wlewów słonych wód z Morza

Północnego. Według Lei„‹œǦInstitut für Ostseeforschung Warnemünde (www.ioǦ

warnemuende.de) objętość wód wlewowych wyniosła 198 km͵, natomiast ilość transportowanej

soli to około 4 Gt (IOW 2015a). W czasie tego wlewu z 2014r. na stacji P5 najwyższe zmierzone

zasolenie wynosiło 19,6. Wlew ten zaznaczył się nawet w centralnym Morzu Bałtyckim. Efekty

tego wlewu były widoczne w kolejnym roku, a podczas rejsów monitoringowych rejestrowano w

warstwach przydennych wód Basenu Bornholmskiego bardzo wysokie wartości zasolenia.

‘Ž‡Œ‘™›•tąpiło jeszcze kilka słabych i średnich wlewów: w marcu 2015 r., listopadzie 2015 r.,

które miały wpływ na warunki zasolenia, warunki tlenowe i temperaturowe. 

 ʹͲͳ͸ ”Ǥ nie wystąpiły bardzo duże wlewy, jedynie średni w lutym 2016 r. i słabe na

przełomie listopada i grudnia oraz w grudniu 2016 r. Podczas rejsów monitoringowych

rejestrowano w warstwach przydennych wód Basenu Bornholmskiego tylko nieco wyższe

wartości zasolenia będące efektem wlewu z lutego. Na stacjach położonych dalej na wschód

(P140) również podczas rejsu kwietniowego zaobserwowano jedynie minimalny wzrost

œƒ•‘Ž‡‹ƒ™™ƒ”•–™ƒ Š’”œ›†‡› ŠǤ

Utrudniony dopływ wód morskich oraz duży dopływ wód słodkich (do Morza Bałtyckiego

uchodzi kilka dużych rzek) w istotny sposób determinuje nie tylko parƒ‡–”›ˆ‹œ›‘ Š‡‹ œ‡

wody w tym akwenie, takie jak zasolenie, temperatura, czy natlenienie, ale sprawia również, ż‡

Morze Bałtyckie jest szczególnie podatne na zanieczyszczenie i eutrofizację. Specyfika tego

zbiornika ma również wpływ na stosunkowo niskąliczbę zasiedlających go gatunków, sprzyjając

jednocześnie wprowadzaniu gatunków obcych. To z kolei uważane jest za jedno z

najistotniejszych zagrożeń dla różnorodności biologicznejͳǤ



1.4.Siedliska i gatunki



Ssaki morskie

W Morzu Bałtyckim występują cztery gatunki ssaków morskich: foka szara (Halichoerus

grypusȌǡ ˆ‘ƒ ’‘•’‘Ž‹–ƒ ȋPhoca vitulina), foka obrączkowana (Pusa hispida) oraz morświn

ȋPhocoena phocoenaȌǤ  ʹͲͳͷ ”Ǥ œƒ’”‘’‘‘™ƒ‘ ’‘Ž•‹‡ ƒœ™› ˆ‘ǣ •œƒ”›–ƒ ‘”•ƒ

ȋHalichoerus grypus) oraz nerpa obrącz‘™ƒƒȋPusa hispidaȌȋ‹ Š‘ ‹‹‹ǤʹͲͳͷȌǤ•ƒ‹‘”•‹‡

odgrywają ważną rolę w funkcjonowaniu sieci troficznej, ale jak wszystkie szczytowe drapieżniki

są wrażliwe zarówno na presje, jak i zmiany zachodzące na wszystkich poziomach troficznych.

•’‘œ› Œa na skumulowane presje czyni ssaki morskie ważnymi wskaźnikami stanu ekosystemu

Bałtyku. 

Wszystkie wymienione gatunki dotknął znaczny spadek liczebności populacji bałtyckiej na

przełomie XIX i XX wieku, głównie za sprawą polowań (HELCOM 2017a) oraz silneŒ ’”‡•Œ‹ œ‡

strony zanieczyszczeń chemicznych środowiska morskiego (Helle 1980)Ǥ ylko liczebność ˆ‘‹

szarej znajduje się obecnie powyżej poziomu referencyjnego (ang. Limit Reference Level–Ȍǡ

określonego dla fok bałtyckich na poziomie 10 tysięcy osobników (HELCOM 2017a). Dane

historyczne nie dają możliwości dokładnego określenia liczebności ssaków morskich w POM

przed okresem gwałtownego spadku populacji foki szarej i morświna, ale wiadomo, że gatunki te

były stałymi i licznymi składowymi fauny w ówczesnej polskiej strefie Morza Bałtyckiego.

Przyłówmorświna w latach 20 i 30Ǧ–› Šwieku był na poziomie kilkuset osobników rocznie, a



ͳuzasadnienia do wniosku o ratyfikację przez Polskę Międzynarodowej konwencji o kontroli i postępowaniu ze statkowymi wodami

„ƒŽƒ•–‘™›‹‹‘•ƒ†ƒ‹Ǥ



͵͸

także foki były odławiane w znacznych ilościach w tym okresie. Dane te pochodzą z rejestru

wypłacanych odszkodowań rybackich. W okresie powojennym nie pojawiały się regularne

informacje na temat ssaków morskich, a pierwsza informacja oprzyłowie morświna została

’”œ‡†•–ƒ™‹‘ƒ™Žƒ–ƒ ŠͷͲǦ–› Š™‹‡—ȋ‘’‡Ž‡™•‹ͳͻͷʹǡƒ™Ž‹ œƒ‹‹ǤʹͲͳ͵ȌǤ







Foki odpoczywające na piaszczystej łasze w miejscu stałego występowania gatunku (haulǦ‘—–Ȍ™

rejonie Ujścia Wisły (fot. Instytut Morski w Gdańsku)Ǥ

Spośród trzech gatunków fok bałtyckich, jedynie foka szara stale występuje w wodach

krajowych POM i zajmuje stałe miejsce haulǦout (miejsce, w którym foki wychodzą na ląd by

odpocząć między okresami żerowania, w celu kojarzenia się w pary i rozrodu oraz li‹‡‹ƒǡ

najczęściej wykorzystywane rok po roku) w rejonie Ujścia Wisły (piaszczyste łachy w rejonie

rezerwatu Mewia Łacha). W tym rejonie, od 2007 r. systematycznie rejestruje się osobniki tego

‰ƒ–——ǡ a od 2010 r. jest on pod stałą obserwacją kamer w ramach wspólnych projektów

wsparcia ochrony ssaków morskich realizowanego przez WWF Polska, Stację Morską im.

Krzysztofa Skóry Uniwersytetu Gdańskiego (SMIOUG) oraz Fundację Rozwoju Uniwersytetu

Gdańskiego (FRUG) ȋƒ™Ž‹ œƒ ʹͲͳʹǡ ›ŽŽƒǦƒ™”›‹— ʹͲͳ͹ȌǤ ‹Ž—”‘–‹‡ ‘„•‡”™‘™ƒ‘

osobniki młodociane foki szarej, a w 2016 r. po raz pierwszy zaobserwowano poród. Jednocześnie

™ ʹͲͳͳ ”Ǥ odnotowano nowo narodzone szczenię foki pospolitej ȋƒ™Ž‹ œƒ ʹͲͳʹǡ ›ŽŽƒǦ

Wawryniuk 2017). Należy przy tym podkreślić, że zarówno ob•‡”™ƒ Œ‡’”œ›’‘‘ ›ƒ‡”ǡŒƒ‹

obserwacje brzegu i piaszczystych łach przez obserwatorów (w przypadku bazy danych WWF są

to tzw. „raporty”) nie stanowią monitoringu PMŚ i nie są w pełni zgodne z metodyką HELCOM

zalecaną do monitoringu foki szarej (HELCOʹͲͳ͹„ȌǤ‘‹–‘”‹‰ˆ‘‹•œƒ”‡Œ™Žƒ–ƒ ŠʹͲͳ͸ǦʹͲͳ͹

odbył się w ramach „Pilotażowe‰‘wdrożeniƒmonitoringu gatunków i siedlisk morskich w latach

ʹͲͳͷǦ2018" (PMŚ)ǡ wzdłuż polskiego wybrzeża z wykorzystaniem rekomendowanych przez

metodykę HELCOM nalotów, w wyniku którego potwierdzono regularne występowanie foki

szarej w rejonie Ujścia Wisły.

Pozostałe gatunki fok: pospolita i obrączkowana są monitorowane w miejscach stałego

występowania (jak haulǦout), które znajdują się poza POM.

‘ƒ’‘•’‘Ž‹–ƒ–™‘”œ›™‘”œu Bałtyckim dwie metapopulacje: południowoǦœƒ Š‘†‹‡‰‘

Bałtyku i Kattegatu oraz Kalmarsund. Pojedyncze osobniki były regularnie odnotowywane w

–‘†ʹͲͳͲ”Ǥ†‘ʹͲͳ͸”Ǥkazało się łącznie około 90 raportów o wystąpieniu tego gatunku (HyllaǦ



͵͹

ƒ™”›‹—ʹͲͳ͹ȌǤ‹Žƒˆ‘’‘•’‘Ž‹–› Šœƒ‘„•‡”™‘™ƒ‘ƒŠƒ—ŽǦ‘—–ˆ‘‹•œƒ”‡Œ™rejonie Ujścia

Wisły (Pawliczka 2012, HyllaǦWawryniuk 2017, Opioła i in. 2017). Jednak biorąc pod uwagę

zalecaną metodykę monitoringu tego gatunku i przyjęte do oceny wskaźniki oraz sposób i Š

wyliczania (HELCOM 2017b), nie jest możliwe przeprowadzenie parametrycznej oceny dla foki

’‘•’‘Ž‹–‡Œ™”‡Œ‘‹‡Ǥ

Obszary, w których występują foki obrączkowane to Zatoka Botnicka oraz Morze

Archipelagowe, Zatoka Fińska, Zatoka Ryska i wody przybrzeż‡•–‘‹‹ǤGatunek ten występuje

•’‘”ƒ†› œ‹‡ ™ Ǥ † ʹͲͳͲ ”Ǥ ‘dnotowano jedynie 3 osobniki w rejonie Ujścia Wisły oraz

ukazało się 19 raportów o obserwacjach za lata 2011Ǧ2016 na pozostałym obszarze ȋ ›ŽŽƒǦ

ƒ™”›‹— ʹͲͳ͹ȌǤ uwagi na sposób prowadzenia ‘‹–‘”‹‰— ȋ™ ‘”‡•‹‡ ”‘œ”‘†— ˆ‘‹

obrączkowane występują na zalodzonych fragmentach Morza Bałtyckiego i tam prowadzony jest

monitoring lotniczy), nie jest możliwe jego prowadzenie oraz wykorzystanie danych z

‹ ›†‡–ƒŽ› Š ‘„•‡”™ƒ Œ‹ †‘ ™›‘ƒ‹ƒ ‘ ‡› parametrycznej stanu foki obrączkowanej w

Ǥ

W przypadku jedynego przedstawiciela waleni (Cetacea) występującego w POM –

morświna liczebność populacji gatunku w Bałtyku można oszacować wyłącznie poprzez

‘‹–‘”‹‰ƒ—•–› œ›Ǥ”œ‡’”‘™ƒ†œ‘‡™”ƒƒ Š’”‘gramu „Life” projekty SCANS (ang. Small

Cetaceans in European Atlantic and North Sea), obejmujące swoim obszarem również zachodnią

część Morza Bałtyckiego (SCANS I) oraz projekty miniSCANS realizowane indywidualnie przez

kraje EU, nie dały jednoznacznej odpowiedzi na pytania dotyczące, z jednej strony liczebności

populacji bałtyckiej morświna, a z drugiej Ǧ trendów liczebności tej populacji i zmian w niej

zachodzących. Dopiero projekt SAMBAH, wykorzystujący podwodne rejestratory dźwięku,

”‘œ‹‡•œ œ‘‡™”ƒach jednolitej siatki na prawie całym obszarze Bałtyku pozwolił oszacować

populację morświnów (SAMBAH 2017). Rezultaty otrzymane w ramach tego projektu, pozwoliły

na wytyczenie dwóch stanowisk (Ławica Stilo i Zatoka Pomorska) do prowadzenia monitoringu

™”amach PMŚ w POM (Opioła i in. 2016).

Monitoring akustyczny tego gatunku prowadzony w regularnych odstępach czasu pozwoli

na odnotowanie zmian w zasięgu występowania oraz liczebności morświna występującego w

Ǥ



Ptaki

Monitoring populacji ptaków morski Š

Œ‡•– ’”‘™ƒ†œ‘› ’”œ‡œ GIOŚ Ǥ‹Ǥ ƒ ’‘–”œ‡„›

sprawozdania z wdrażania Ǥ

Badania

monitoringowe

ptaków

prowadzone w obszarach morskich leżących na

terytorium Polski (POM) można podzielić na trzy

duże grupy:

 monitoring ptaków wodnych zimujących

ƒobszarze wód przejściowych,

 monitoring ptaków wodnych zimujących

ƒ™‘†ƒ Š‘–™ƒ”–› ŠȋoffshoreȌǡ

 monitoringi ptaków lęgowych.











































Mewy śmieszki Chroicocephalus ridibundus.



W obrębie monitoringów populacji lęgowych, z uwagi na zróżnicowanie biologii lęgowej,

badania prowadzone są w podziale na poszczególne gatunki docelowe. Dedykowane projekty

monitoringowe obejmują tu:

 monitoring liczebności kormorana,

 monitoring liczebności rybitwy czubatej,

 monitoring liczebności biegusa zmie‡‰‘ǡ



͵ͺ



monitoring produktywności bielika.

Poz. 230

Opis prowadzonych monitoringów

Metody badań terenowych stosowane na terytoriom Polski są zgodne z wytycznymi

prowadzenia monitoringów w basenie Morza Bałtyckiego (Herrmann i in. 2013, Wetlands

–‡”ƒ–‹‘ƒŽ ʹͲͳͷȌǤ Metodyki wszystkich monitoringów ptaków dostępne są pod adresem

™™™Ǥ‘‹–‘”‹‰’–ƒ‘™Ǥ‰‹‘•Ǥ‰‘˜Ǥ’ŽǤ



Monitoring Zimujących Ptaków Wód Przejściowych



Celem Monitoringu Zimujących Ptaków Wód Przejściowych (MZPWP) jest określenie

liczebności najliczniejszych gatunków ptaków wodnych, przebywających w Polsce zimą na

zbiornikach przymorskich oraz w strefie przybrzeżnej Bałtyku. Liczeniami objętych jest ͵ͳ

najważniejszych obiektów, głównie odcinków wybrzeża oraz zalewów przymorskich,

skupiających w normalnych warunkach większość zimujących w Polsce populacji ptaków

wodnych. Są to wody Bałtyku w strefie wybrzeża (liczenia z brzegu), zalewy przymorskie

‹płytkowodne zatoki (Zalew Szczeciński wraz z Zalewem Kamieńskim, Zatoka Pucka, Zalew

Wiślany) oraz ujściowy odcinek Wisły. Program przewiduje wykonanie dla każdego obiektu

jednego liczenia w połowie stycznia. Czas i metodyka liczeń spójne są z międzynarodową akcją

liczenia zimujących ptaków wodnych International Waterbird Census(IWC), koordynowaną przez

Wetlands InternationalȋʹͲͳͷȌǤPodstawową metodą liczenia w programie jest przemarsz wzdłuż

brzegów zbiornika lub odcinka rzeki, z lornetką lub z lunetą, gdy ptaki znajdują się w większej

odległości od brzegu, i notowanie wszystkich zaobserwowanych ptaków wodnych (Meissn‡” ‹

Š›Žƒ”‡ ‹ʹͲͳͲȌǤ

W trakcie liczeń ”‡Œ‡•–”‘™ƒ‡ są wszystkie gatunki ptaków wodnych. Można je dzielić,

biorąc pod uwagę ˆ”‡™‡ Œę spotkań, liczebność w okresie zimowym, a także możliwość

‹–‡”’”‡–ƒ Œ‹—œ›•‹™ƒ› Š†ƒ› ŠǤƒ’‘–”œ‡„›‹‹‡Œ•œ‡‰‘”ƒ’‘”–—‘’‹•ƒ‘™›‹‹—œ›•ƒ‡™

Žƒ–ƒ Š ʹͲͳͳǦ2016 na polskich wodach przejściowych dla 22 gatunków wchodzących w skład

wskaźnika liczebności zimujących ptaków wodnych, stosowanego przez HELCOM (HELCOM

ʹͲͳͺƒȌǤ



Monitoring Zimujących Ptaków Morskich



Monitoring Zimujących Ptaków Morskich (MZPM) obejmuje liczenia ptaków ™‘†› Š

zimujących na otwartych obszarach ‘”•‹ ŠǤ Prowadzone są one z pokładu statku wzdłuż

transektów wyznaczonych w trzech wydzieleniach w polskiej strefie ekonomicznej Bałtyku: w

pasie 12 milowej strefy wód terytorialnych (z wyłączeniem strefy do 1 km od brzegu) – Ͷʹ

–”ƒ•‡–›ǡ™obszarze specjalnej ochrony ptaków (Ȍƒ–—”ƒʹͲͲͲŁawica Słupska, wewnątrz

‹œ‘„ƒ–›ʹͲ–8 transektów oraz w OSOPƒ–‘ƒ‘morska, z wyłączeniem wód przybrzeżnych

–6 transektów.

W ramach MZPM liczone są wszystkie widziane ptaki, a ich występowanie przypisywane

jest do czterech kategorii odległości od statku (distance samplingȌǤ Na potrzeby obliczeń

wskaźników liczebności wyniki są sumowane do 1 pasa o szerokości 600 m (po 300 m z każdej

•–”‘› •–ƒ–—ȌǤ Ponadto, dla ptaków przelatujących w stałych odstępach czasu wykonuje się

Ž‹ œ‡‹ƒ–›’—snap-shot (liczenie wszystkich ptaków w locie w odstępach 5 minutowych). Każdy

–”ƒ•‡–Œest kontrolowany raz w sezonie zimowym, w połowie styczniaȋ‡‹••‡”ʹͲͳͲȌǤ

Na etapie planowania MZPM (2010 r.) wydzielono grupę 10 gatunków docelowych dla

monitoringu, które najliczniej zimowały w polskiej strefie Bałtyku (—” ”†œƒ™‘•œ›‹ǡ —”

œƒ”‘•œ›‹ǡperkoz rogaty, perkoz rdzawoszyi, lodówka, uhla, markaczka, nurnik, alka i nurzykȌǤ

ie uwzględniono skrajnie rzadkich gatunków oraz mew, których liczebność uzależniona jest od

aktywności kutrów rybackich. Dane MZPM użyto jedynie częściowo do obliczeń wskaźnika

liczebności zimujących ptaków wodnych (HELCOM 2018a). W kolejnych latach wskaźnik



͵ͻ

HELCOM ma być rozwijany o gatunki zimujące na otwartym morzu i wówczas uzyskane dane będą

w pełni wykorzystane.



Monitoring Produktywności Bielika



Monitoring Produktywności Bielika (MPB) obejmuje monitoring znanych stanowisk

lęgowych bielika Haliaeetus albicillana polskim wybrzeżu Bałtyku w pasie o szerokościͳͲ‘†

linii brzegowej. Zasadniczym celem programu jest określenie parametrów rozrodczych’‘’—Žƒ Œ‹

nadmorskiej gatunku oraz ich związku ze stanem czystości wód Bałtyku. Kumulowanie się w

organizmach ptaków drapieżnych toksycznych substancji powoduje obniżenie poziomu ich

reprodukcji, dlatego produktywność populacji bielika w pasie nadmorskim Œ‡•–œ†‡ˆ‹‹‘™ƒƒŒƒ‘

jeden ze wskaźników jakości wód Bałtyku. Pierwsze badania ™ –› ’‘†’”‘‰”ƒ‹‡ ™”ƒƒ Š

Państwowego Monitoringu Środowiska rozpoczęto w roku 2015Ǥƒ’‘–”œ‡„›‹‹‡Œ•œ‡‰‘”ƒ’‘”–—

bazę danych uzupełniono o niepublikowane dane z lat 2011ǦʹͲͳͶœ‰”‘ƒ†œ‘‡™„ƒœ‹‡†ƒ› Š

Komitetu Ochrony Orłów.

Produktywność bielika opisują 3 wskaźniki: 



ͳȌ liczba młodych –średnia liczba piskląt w przeliczeniu na parę przystępującą do rozrodu;

ʹȌ liczba młodych na parę z sukcesem –średnia liczba piskląt w przeliczeniu na parę zlęgiem

—†ƒ›Ǣ

͵Ȍ sukces lęgowy – wskaźnik określający procentowy udział par, które odchowały młode

™stosunku do liczby wszystkich par ze znanym końcowym efektem lęgu.

Žƒ–ƒ ŠʹͲͳͷ‹ʹͲͳ͸•‘–”‘Ž‘™ƒ‘‘†’‘™‹‡†‹‘ͺͶ‹ͻ͹œƒ› Š•–ƒ‘™‹sk lęgowych

gatunku, co roku dodając do puli nowo zlokalizowane rewiry. Każde stanowisko lęgowe

kontrolowane było co najmniej 2 razy, w początkowej(marzec / kwiecień)i końcowej fazie lęgu

ȋƒŒȀ œ‡”™‹‡ Ȍȋ‡‹ƒʹͲͳͷȌ. W przypadku około połowy gniazd zeznanym wynikiem lęgu

obserwatorzy dokonywali kontroli wnętrza gniazda poprzez wspięcie się na drzewo. Jeśli

kontrola wnętrza gniazda odbywała się w okresie, gdy pisklęta dopiero zaczynały się pierzyć

(młode wyraźnie mniejsze od dorosłych ptaków z głową okrytą puchem), wykonano dodatkową

(trzecią) kontrolę. W rewirach, w których nie było znane położenie gniazda, prowadzono

obserwacje z punktów widokowych oraz przeszukiwano preferowane przez bielika siedliska

™Žƒ•ƒ Š‹œƒ†”œ‡™‹‡‹ƒ ŠǤ



Monitoring Kormorana



‘‹–‘”‹‰ ‘”‘”ƒƒ ȋȌ Œ‡•–

’”‘™ƒ†œ‘› ‘† ʹͲͳͷ ”Ǥǡ ƒ Œ‡‰‘ ‡Ž‡ Œ‡•– ‘ ‡ƒ

liczebności ”ƒŒ‘™‡Œ ’‘’—Žƒ Œ‹ ‘”‘”ƒƒ

Phalacrocorax carbo, w tym liczebności populacji

nadmorskiej gatunku, gniazdującej w pasie

wybrzeża w zasięgu ͳͲ  ‘† Ž‹‹‹ „”œ‡‰‘™‡Œ

Bałtyku.

Podstawową

metodą

stosowaną

™‘‹–‘”‹‰—jest liczenie gniazd (par lęgowych)

w znanych koloniach kormoranów, wpisanych w

’‘™‹‡”œ Š‹‡‘‹–‘”‹‰‘™‡‘™›‹ƒ”ƒ ŠͳͲšͳͲ

 ‘”ƒœ œƒŒ†‘™ƒ‹‡ ‘™› Š ‘Ž‘‹‹ ȋœ‘ƒ

ʹͲͳͷȌ. Każdą kolonię kontrolowano rƒœ ™ciągu

roku, między 20 ™‹‡–‹ƒ ƒ ʹͲ ƒŒƒ Ž—„

™œbliżonym terminie. Liczone były zajęte gniazda,

na każdym drzewie osobno, a’‘Ž‹ œ‘‡†”œ‡™ƒ–

zaznaczane w celu uniknięcia powtórnego policzenia.

 























ͶͲ

‘Ž‘‹ƒ‘”‘”ƒƒPhalacrocorax carbo.

Monitoring Rybitwy Czubatej



Zasadniczym celem rozpoczętego w 2015 r. Monitoringu Rybitwy Czubatej (MRC) jest

określenie liczebności krajowej populacji lęgowej gatunku. W ramach ‘‹–‘”‹‰—”‡Œ‡•–”‘™ƒƒ

jest liczba gniazd w terminie gwarantującym wynik zbliżony do maksymalnegoȋœ‘ƒʹͲͳͷƒȌǤ

Termin jest uzależniony od fenologii lęgów w danym roku. ‹ œ„ƒ ‰‹ƒœ† –”ƒ–‘™ƒƒ Œ‡•– Œƒ‘

liczba par lęgowych w danej kolonii.›„‹–™ƒ œ—„ƒ–ƒ™Žƒ–ƒ ŠʹͲͳͷ‹2016 gniazdowała w Polsce

–›Ž‘ƒŒ‡†›•–ƒ‘™‹•—–™”‡œ‡”™ƒ ‹‡‡™‹a Łacha w ujściu Przekopu Wisły.

W MRC wykonywanych jest do 6 kontroli każdego stanowiska. Do czasu pojawienia się

pierwszych jaj obserwacje prowadzone są przy użyciu lunety z odległości 200–͵ͲͲ  ‘†

potencjalnej kolonii. Kontrole z wejściem do kolonii, połączone z liczeniem zniesień, powinny być

przeprowadzone równocześnie przez kilka osób, by maksymalnie skrócić czas pobytu w‘Ž‘‹‹

lęgowej (do 40 minut, maksymalnie godziny).

Liczba znalezionych gniazd z jajami lub pisklętami odpowiada liczbie par lęgowych na

stanowisku. Ze względu na dużą rozpiętość okresu lęgowego (w tym samym czasie pojawiają się

świeżo złożone jaja oraz pierwsze klujące się pisklęta), do ostatecznej oceny liczby par należy

wykorzystać wyniki z trzech bezpośrednich kontroŽ‹ ‘Ž‘‹‹ ™›‘ƒ› Š ™ –‡”‹‹‡ ‘†

znalezienia pierwszych jaj do miesiąca po tej dacie. Wielkość kolonii to maksymalna liczebność

lęgów z tych liczeń.



Monitoring Biegusa Zmiennego



‡Ž‡‘‹–‘”‹‰‹‡‰—•ƒ‹‡‡‰‘ȋȌŒ‡•–—œ›•ƒ‹‡ŒƒƒŒ„ƒ”†œ‹‡Œ‘’Ž‡–› Š

danych o rozmieszczeniu i liczebności krajowej populacji lęgowej bałtyckiego ’‘†‰ƒ–——

„‹‡‰—•ƒœ‹‡‡‰‘Calidris alpina schinziiǤŽƒ–ƒ ŠʹͲͳͳǦ2016 kontrolami objęto 9’‘™‹‡”œ Š‹

„ƒ†ƒ™ œ› Š ‘ ™›‹ƒ”ƒ Š ͳͲ š 10 km. Obejmowały one stanowiska lęgowe znane z lat

poprzednich oraz potencjalne miejsca gniazdowania, zlokalizowane w strefie wybrzeża

morskiego (10 km od linii brzegowej Bałtyku) i na Bagnach Biebrzańskich. Kontrole stanowisk

wykonywano w optymalnych dla gatunku siedliskach, a więc na wilgotnych łąkach nadmorskich

z roślinnością słonolubną, których utrzymanie jest warunkowane wypasem bydła oraz

regularnymi zalewami wód słonych, a w głębi lądu ƒ–—”œ› ‘™‹•ƒ Š™†‘Ž‹‹‡‹‡„”œ›Ǥ

Liczenia ptaków prowadzone są dwukrotnie w ciągu sezonu lęg‘™‡‰‘ǣͳͲǦ͵Ͳ™‹‡–‹ƒ‘”ƒœ

ͳͲǦ͵ͳƒŒƒȋ‹‘”ƒʹͲͲ͸Ȍ. Pomiędzy 1. i 2. kontrolą odstęp czasu powinien wynosić około͵Ͳ†‹Ǥ

Kontrola stanowiska polega na dokładnym spenetrowani—płatów potencjalnych siedlisk gatunku.

 –”ƒ ‹‡ ‘–”‘Ž‹ ‘–‘™ƒ‡ Œ‡•– ”›–‡”‹um gniazdowania poszczególnych osobników/par.

Pierwsza kontrola ma na celu wykrycie ptaków tokujących, w okresie najwyższej wykrywalności

przed przystąpieniem do właściwych lęgów. Druga kontrola ma na celu wykrycie i ocenę

liczebności ptaków w okresie inku„ƒ Œ‹Ǥ  ‘„— ‘–”‘Žƒ Š obserwatorzy spędzają na danym

•–ƒ‘™‹•—  ‘ ƒŒ‹‡Œ ʹǦͶ ‰‘†œ‹› †œ‹‡‹‡ (w zależności od pow‹‡”œ Š‹ ‘†’‘™‹‡†‹ Š

siedlisk), penetrującszczegółowo–‡”‡ǡ–ƒ„›‘dległość między trasami przejść nie byławiększa

niż 100 m. 

Wskaźniki i trendy liczebności w polskiej strefie wód



Monitoring Zimujących Ptaków Wód Przejściowych



Poniżej prze†stawiono liczebność oraz zagęszczenia (liczba osobników na km transektu)

ʹʹgatunków wchodzących w skład wskaźnika liczebności zimujących ptaków ™‘†› Š

ȋ–ƒ„‡Žƒ ͳǤͶǤͳȌǤ Uzyskane dane pozwoliły na obliczenie trendów liczebności dla 18 gatunków

(pozostałe 4 odnotowano w zbyt niskiej liczebności), dopasowując krzywą wykładniczą do

†ƒ› ŠǤ  Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸ ™śród ptaków zimujących na polskich wodach przejściowych

dominowały trendy wzrostowe (wartość parametru większa niż 1,00), które stwierdzono

—ͳͳgatunków (–ƒ„‡ŽƒͳǤͶǤͳǡ”›•ǤͳǤͶǤͳȌǤŚrednio ptaki tej grupy zwiększały swoją liczebność o 8%

”‘ œ‹‡Ǥ



Ͷͳ

Należy zaznaczyć, że analiza wieloletnich trendów poszczególnych gatunków zwykle

†‘‘›™ƒƒ Œ‡•– †Žƒ †użych jednostek geograficznych (np. Švažas ‹ ‹Ǥ ʹͲͲͳǡ ‹Ž••‘ ʹͲͲͺǡ

Musilová ‹‹. 2009, Wetlands International 2015). W zależności od panujących w danym sezonie

warunków pogodowych, a w szczególności stopnia zlodzenia zbiorników wodnych ƒ –‡”‡‹‡

całego kraju i w krajach sąsiednich, ptaki wodne przemieszczają się nawet na duże odległości

™’‘•œ—‹™ƒ‹— ‹‡Œ•  †‘‰‘†› Š †‘ ’”œ‡œ‹‘™ƒ‹ƒ ȋ‹†‰‹ŽŽ ‹ Fox 1990, Švažas ‹ ‹Ǥ ͳͻͻͶȌǤ

Można więc przypuszczać, że znaczenie wód przejściowych będzi‡™œrastało podczas surowych

zim, ponieważ wody przejściowe (głównie ujściowe odcinki Wisły i Odry oraz strefa przybrzeżna

Bałtyku) będą zamarzać później niż zbiorniki śródlądowe położone z dala od Pobrzeża Bałtyku.

W miejscach tych gromadzić się będą ptaki odlatujące z obiektów pokrytych lodem, a także

œBałtyckich zalewów przymorskich, które zamarzają stosunkowo wcześnie (Švažas ‹‹ǤͳͻͻͶȌǤ

Jednocześnie, trendy zamian klimatu powodują przesuwanie się europejskich zimowisk wielu

ptaków wodnych w kierunku północnoǦ™• Š‘†‹ ȋ‡Š‹‘‹‡ ‹‹Ǥ ʹͲͳ͵ǡ ƒ˜‘Ǧ ‘”†ƒ ‹ ‹Ǥ

2015). Efektem tych zmian są silne kierunkowe trendy obserwowane w mniejszej skali

geograficznej przy niezmienionych (lub nieznacznie zmienionych) liczebnościach całkowitych

populacji zimujących™—”‘’‹‡Ǥ



ƒ„‡ŽƒͳǤͶǤͳǤ Liczba osobników oraz trend zmian liczebności 22 gatunków w Monitoringu Zimujących

Ptaków Wód Przejściowych odnotowan‡ƒ͵ͳ‘„‹‡–ƒ Š™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ

ƒ–—‡

łabędź niemy Cygnus olor

łabędź czarnodzioby Cygnus columbianus

łabędź krzykliwy Cygnus cygnus

„‹”‰‹‹ƒPolysticta stelleri

gągoł Bucephala clangula

„‹‡Žƒ œ‡Mergellus albellus

nurogęś Mergus merganser

•œŽƒ Šƒ”Mergus serrator

głowienka Aythya ferina

œ‡”‹ ƒAythya fuligula

ogorzałka Aythya marila

świstun Mareca penelope

krzyżówka Anas platyrhynchos

rożeniec Anas acuta

›”ƒ‡ œƒAnas crecca

’‡”‘œ†™— œ—„›Podiceps cristatus

łyska Fulica atra

śmieszka Chroicocephalus ridibundus

‡™ƒ•‹™ƒLarus canus

‡™ƒ•”‡„”œ›•–ƒLarus argentatus

mewa siodłata Larus marinus

‘”‘”ƒPhalacrocorax carbo

ʹͲͳͳ

ʹ͵Ͷͷ

Ͳ

ʹͳͷ

Ͳ

ͳ͸͹ʹͻ

ͳͲ͹͹

ͳͲʹͲͷ

͹ʹͳ

͵Ͷ

ͳ͸ʹͷͶ

ͷͻͳ͸

͹

ͳͳʹ͵ʹ

ͳ

Ͳ

ͻͶʹ

Ͷͺͳ

Ͷ͸ͶͲ

ʹ͸͹͸

ͳͻͺͳͺ

͹͸ʹ

͵ͷͲʹ

Liczba osobników™”‘—

ʹͲͳʹ ʹͲͳ͵ ʹͲͳͶ ʹͲͳͷ

ʹ͹Ͷ͸ ͸ͶͶͷ ͸ͷͷ͹ ͵͸͹ͺ

Ͷ

Ͳ

ͳʹ

Ͳ

Ͷͷͺ

ͳͲͺͺ ͹͸͵

Ͷͺ͸

Ͳ

Ͳ

Ͳ

ͳ

ͳͲ͸Ͷͻ ͳͶͺͶͲ ͳ͹ʹͲͺ ͳͻͲ͵ʹ

͵ͻʹͺ ͳͷͺͲ Ͷͳ͸ͺ ͵ͳ͹Ͳ

ͳͲͷͺͷ ͵͵ͳ͵Ͷ ʹͳʹ͹ͳ ͳʹ͹ͷͲ

ͳʹͷͷ ͻͳͺ

ͷͺͶ

ͻͷͻ

ͺʹͷ

ͳͶʹ

ʹͳͳͺ ͳͳͻ͸

͵Ͳ͹ͻ͵ ʹͺʹͶͺ ͵ʹͷͻʹ ʹͺͲͶͶ

ͳ͵ͳ͹Ͳ ͵Ͳ͸ͺ ͵ͳ͵ͷ͸ ͸͸ͲͲ

͵͵

ͳ

ʹ͸

ʹͶ

ʹͻͲͳ͵ ͺ͵ʹͷ ͳ͸͵ͺ͸ ͳ͵Ͳ͵͹

Ͳ

ͳ

ͳ

Ͳ

ͳͺͻ

ͳ͵

ͳ͸͹

͵Ͳ

͹͵Ͷ

ͺ͸Ͳ

͵ͷͲ͹ ʹͷͺͲ

ͳͳͳͺͶ ͳͲ͵ͷͻ ʹͶͳͻͳ ͷͷʹ͸

͸͹͹͵ Ͷͻ͵Ͳ ͷͶ͸ͳ ͹͵͸ʹ

͸͸Ͷͷ ͵͹ͷͶ ͵ͻͺͲ ͶͷͶͲ

ʹͷͳͶͶ ͳʹͻͻͺ ͳͷͲʹʹ ͳ͵͵ͺͺ

͸͵Ͷ

Ͷ͵ͺ

ͷͶʹ

͸ʹͺ

͵ͷ͹͸ ͷͳ͸Ͷ ͺʹ͵ͳ ͷͲͳ͸

”‡†

ʹͲͳ͸

ͻͲͷͷ ͳǡʹͶͶ

ͳͲ

Ǧ

ͷ͵͵

ͳǡͳ͵͵

Ͳ

Ǧ

ͳͻͻ͵ʹ ͳǡͲͺʹ

ͳͲʹͶ ͳǡͲͲʹ

ͳͺͶͶͳ ͳǡͲͻʹ

ͳͲͻͶ ͳǡͲʹͶ

ͶͶ͸

ͳǡ͸ͳͳ

ͶͶ͵ͷ Ͳǡͺʹ͹

ͳ͸͹Ͳ ͲǡͺͶͳ

ͳ

ͲǡͺͲͻ

͸ʹͻʹ Ͳǡͺ͹͸

Ͳ

Ǧ

ͳͲͲ

Ǧ

ʹͷͶͷ ͳǡ͵͵͸

͸͸ͳ͹ ͳǡͶͲ͵

͸͸Ͳ͹ ͳǡͲ͸ʹ

ʹͶͶͷ Ͳǡͻͷ͹

ͳ͵͹ͶͲ ͲǡͻͲ͵

ͷͲʹ

ͲǡͻͶ͹

ͳͲͻ͸͸ ͳǡʹʹͺ

Trend określany jest jako uśrednione roczne tempo zmian liczebności populacji w okresie badań, szacowane z wykorzystaniem

modelu wykładniczego. Dla gatunków notowanych w bardzo niskich liczebnościach nie oszacowano trendu z uwagi na niską

miarodajność danych.



Ͷʹ











Ͷ͵









ͶͶ



›•ǤͳǤͶǤͳǤ



Zmiany liczebności 22 gatunków ptaków na podstawie danych Monitoringu Zimujących

Ptaków Wód Przejściowych w latach 2011ǦʹͲͳ͸(źródło danych PMŚ)Ǥ



Łabędź niemy Cygnus olor

‘’—Žƒ Œƒ zimująca w strefie wód przejściowych była oceniana średnio na około ͷͲͲͲ

osobników, przy wyraźnej tendencji wzrostowej Ǧod ponad 2 tys. ptaków w latach 2011‹ʹͲͳʹ

do 9 tys. osobników w 2016 r. Średnie tempo wzrostu liczebności wynosiło w tym okresie 24%

rocznie. Ponad 90% łabędzi niemych występowało na lagunach, a wzdłuż brzegów otwartego

‘”œƒ‘–‘™ƒ‘–›Ž‘ͳǦ4% ptaków (średnio 0,40 os./km transektu, zakres 0,23ǦͲǡ͹͹‘•ǤȀȌǤ



Łabędź czarnodzioby Cygnus columbianus

Stwierdzany bardzo nielicznie i nie corocznie, maksymalnie do 12 ptakówǤ



Łabędź krzykliwy Cygnus cygnus

ƒ–—‡‘–‘™ƒ› ‘”‘ œ‹‡ǡ™Ž‹ œ„‹‡‘†‘ołoʹͲͲ†‘‘oła1000 ptaków, przy wyraźnym

–”‡†œ‹‡ ™œ”‘•–‘™›Ǥ  Žƒ–ƒ Š ʹͲͳͳǦ2016 liczebność populacji zimującej w strefie wód

przejściowych rosła w tempie 13% rocznie. Łabędzie krzykliwe były stwierdzane niemal

wyłącznie na lagunach i jeziorach przymorskich i tylko pojedyncze ptaki notowano na wybrzeżu

‘–™ƒ”–‡‰‘‘”œƒǤ



Birginiak Polysticta stelleri

Stwierdzany wyjątkowo Ǧ–›Ž‘Œ‡†ƒ‘„•‡”™ƒ Œƒ’‘Œ‡†› œ‡‰‘’–ƒƒ™ʹͲͳͷ”Ǥ



Ͷͷ

Gągoł Bucephala clangula

ƒ–—‡ œ‹—Œący na polskich wodach przejściowych zazwyczaj w liczbie 15ǦʹͲ –›•Ǥ

osobników. Jedynie w 2012 r. notowany wyraźnie mniej licznie (nieco ponad 10 tys. ptaków).

Liczebność w ciągu ostatnich 6 lat wykazywała trend wzrostowy i zwiększała się w tempie około

ͺΨ rocznie. Większość gągołów była notowana na lagunach i w ujściowym odcinku Wisły

Przekopu (średnio 82% populacji zimującej na wodach przejściowych), choć gatunek licznie

występował również na przybrzeżnych odcinkach morza (średnie zagęszczenie 6,41 os./km,

œƒ”‡•ͳǡ͵ʹǦͳ͸ǡͳͲ‘•ǤȀȌǤ



Bielaczek Mergellus albellus

Populacja zimująca w latach 2011Ǧ2016 na terenie krajowych wód przejściowych wahała

się w granicach od 1 do 4 tysięcy ptaków. Zmiany liczebności w tym okresie nie układały się

™‹‡”—‘™› –”‡† ‹ ™ kolejnych sezonach zimowych gatunek był notowany naprzemiennie

™wysokich (>3000 osobników) lub niskich (<1500) liczebnościach. Przeważająca większość

zimującej populacji (średnio 98%) była stwierdzana na zbiornikach (laguny, estuaria, jeziora

’”œ›‘”•‹‡), a zagęszczenia na odcinkach przybrzeżnych otwartego morza były niskie (średnio

ͲǡͳͶ‘•ǤȀǡœƒ”‡•ͲǡͲͶǦͲǡͷͶ‘•ǤȀȌǤ



Nurogęś Mergus merganser

Liczebność populacji zimującej na wodach przejściowych zmieniała się w latach 2011ǦʹͲͳ͸

™ •œ‡”‘‹ Š ‰”ƒ‹ ƒ Šǡ ‘† ‘oło 10 tys. do ponad 30 tys. osobników. Ponad 80% ptaków (w

poszczególnych sezonach 67 do 97%) było notowanych na lagunach, podczas gdy wzdłuż

brzegów otwartego morza gatunek był stwierdzany w zagęszczeniach od 0,58 do 5,08 os./km

(średnio 2,52 os./ȌǤ



Szlachar Mergus serrator

Najmniej liczny spośród trzech gatunków traczy, notowany w kolejnych sezonach w dosyć

podobnych liczebnościach (od około͸ͲͲ†‘‘oło1200 ptaków, średnio około900 osobników).

Spotykany głównie (średnio 62% ptaków, zakres 42Ǧ84%) wzdłuż brzegów otwartego morza,

™zagęszczeniach układających się na poziomie 1,19 os./km (zakres 0,71 do 1,49 os./km). Jedna

trzecia obserwowanych szlacharów przebywała na lagunach, a ‘„•‡”™ƒ Œ‡–‡‰‘‰ƒ–——œŒ‡œ‹‘”

przymorskich i ujściowych odcinków rzek były wyjątkowe. 



Głowienka Aythya ferina

Populacja zimująca w latach 2011Ǧ2016 w strefie wód przejściowych była niewielka (od

kilkudziesięciu do około2 tys. ptaków; średnio około800 osobników), przy zarysowującym się

trendzie wzrostowym liczebności. Głowienki spotykane były głównie na lagunach i’”œ›‘”•‹ Š

jeziorach (>90% obserwowanych ptaków), a stwierdzenia wzdłuż brzegów otwartego morza i na

rzekach były wyjątkowe. 



Czernica Aythya fuligula

Žƒ–ƒ ŠʹͲͳͳǦ2016 na krajowych wodach przejściowych zimowało z reguły od okołoͳͷ

–›•Ǥ†‘’‘ƒ†͵Ͳ–›•Ǥœ‡”‹ Ǥ edynie w 2016 r. odnotowano mniej niż 5 tys. osobników. Większość

stwierdzeń (średnio 86%, zakres 55Ǧ97%) dotyczyła ptaków przebywających na zbiornikach

‘charakterze lagun. Na przymorskich jeziorach spotykana stosunkowo nielicznie (średnio 9%

ptaków, zakres 0Ǧ20%). Obserwacje z wód przybrzeżnych otwartego morza i rzek były nieliczne

(łącznie 6%). Zagęszczenia czernic obserwowanych wzdłuż brzegów Bałtyku układały się na

’‘œ‹‘‹‡Ͳǡͺ͵‘•ǤȀȋœƒ”‡•ͲǡͲ͸Ǧͳǡ͸ͻ‘•ǤȀȌǤ

Ogorzałka Aythya marila

Populacja zimująca była oceniana zazwyczaj na okołoʹ–›•Ǥ†‘ͳ͵Ǥ–›•ǤtakówǤ ‡†›‹‡™

2014 r. stwierdzono ponad 30 tys. ogorzałek. Blisko 90% ptaków stwierdzano na lagunach

(średnia 89%, zakres 73Ǧ100%). Ptaki stwierdzane wzdłuż brzegów otwartego morza stanowiły



Ͷ͸

średnio 10% populacji zimującej na wodach przejściowych kraju (zakres 0Ǧ27%) i występowały

w zagęszczeniach rzędu 0,45 os./km (œƒ”‡•ͲǡͲ͸†‘Ͳǡͻͺ‘•ǤȀȌǤ



Świstun Mareca penelope

Gatunek stwierdzany corocznie, ale w bardzo niskich liczebnościach, maksymalnie 33’–ƒ‹

™ʹͲͳʹ”Ǥ



Krzyżówka Anas platyrhynchos

Gatunek licznie zimujący na polskich wodach przejściowych, przy dosyć dużej zmienności

liczby ptaków stwierdzanych w kolejnych sezonach (od 6–30 tys. ptaków). Generalnie, w okresie

objętym sprawozdaniem, liczebność spadała w tempie około13% rocznie. Średnio ponad 80%

ptaków występowała na zbiornikach i tylko niewielka frakcja była notowana na przybrzeżnych

odcinkach otwartego morza, gdzie średnie zagęszczenia wynosiły 3,02 os./km (zakres 0,48Ǧͷǡ͸͵

‘•ǤȀȌǤ



Rożeniec Anas acuta

Žƒ–ƒ ŠʹͲͳͳǦ2016 stwierdzono 3 przypadki zimowania pojedynczych osobników. 



Cyraneczka Anas crecca

Populacja zimująca na krajowych wodach przejściowych była nieliczna (maksymalnie

ponad 300 osobników) i w połowie sezonów notowano mniej niż 30 ptaków lub nie stwierdzano

gatunku w ogóle. 



Perkoz dwuczuby Podiceps cristatus

W pierwszej połowie okresu badań (2011ǦʹͲͳ͵Ȍ ‘–‘™ƒ› ™ Ž‹ œ„‹‡ ‘oło ͹ͲͲǦͻͲͲ

ptaków, podczas gdy w kolejnych trzech sezonach stwierdzany już w liczebnościach

przekraczających 2500 osobników. Nieco więcej niż połowa ptaków (średnio 54%, zakres 18Ǧ

82%) przebywała na zbiornikach o charakt‡”œ‡ Žƒ‰—ǡ ƒ ͶͶΨ ȋœƒ”‡• ͳ͹Ǧ87%) zimowała na

przybrzeżnych wodach otwartego morza. Średnie zagęszczenia perkozów dwuczubych

notowanych wzdłuż brzegu morskiego kształtowały się na poziomie 2,31 os./km (zakres 0,54Ǧ

ͷǡͶͻ‘•ǤȀȌǤƒ’”œ›‘”•‹ ŠŒ‡œ‹‘”ƒ Š‹rzekach gatunek spotykany był nielicznie.



Łyska Fulica atra

Liczebność populacji zimującej w latach 2011Ǧ2016 na krajowych wodach przejściowych

wahała się w szerokich granicach, od około500 do blisko 25 000 ptaków (średnio okołoͻ͹ͲͲ

osobników). Dwie trzecie łysek było notowanych na lagunach (średnia 63%, zakres 6ǦͻͷΨȌǡŒ‡†ƒ

trzecia na jeziorach przymorskich (średnia 32%, zakres 5Ǧ92%), a obserwacje z wybrzeża

otwartego morza i rzek były nieliczne. Zagęszczenia łysek występujących wzdłuż brzegu

‘–™ƒ”–‡‰‘morza wynosiły średnio 0,87 os./km, przy szerokim zakresie zmienności od 0,01 do

ʹǡͺͶ‘•ȀǤ



Śmieszka Chroicocephalus ridibundus

Liczebność populacji zimującej była stosunkowo stała i kształtowała się na poziomie od

‘oło5 tys. do 7 tys. osobników. Dwie trzecie ptaków tego gatunku występowało na lagunach

(średnio 64%, zakres 45Ǧ73%). Wzdłuż brzegu otwartego morza notowano około35% ptaków

–‡‰‘ ‰ƒ–—— ȋœƒ”‡• ʹͷǦ54%), przy zagęszczeniach wynoszących średnio 2,59 os./km (zƒ”‡•

ͳǡ͹͹Ǧ4,54 os./km). Liczebność całkowita zimujących śmieszek wykazywała tendencję wzrostową

i zwiększała się w tempie około͸Ψ”‘ œ‹‡Ǥ

Mewa siwa Larus canus

Populacja zimująca liczyła od okołoʹǡͷ–›•Ǥ†‘‘oło6,5 tys. osobników, z reguły jednak

niej niż 5 tys. ptaków. Najliczniej spotykana w 2012 r., kiedy odnotowano łącznie 6645

osobników. Zreguły spotykana na lagunach (średnio 75% osobników, zakres 64Ǧ87%). Wzdłuż



Ͷ͹

„”œ‡‰—‘–™ƒ”–‡‰‘‘”œƒ•’otykana rzadziej (23% osobnikówǡœƒ”‡•ͳͲǦ34%) w zagęsœ œ‡‹ƒ Š

pomiędzy 0,91 a 3,45 os./km (średnio 1,61 os./km).



Mewa srebrzysta Larus argentatus

Najliczniejsza spośród mew zimujących w strefie wód przejściowych. W dwóch pierwszych

sezonach badań (Žƒ–ƒ ʹͲͳͳ ‹ 2012) liczebność kształtowała się na poziomie 2Ͳ –›•Ǥ Ǧ ʹͷ –›•Ǥ

ptaków, po czym spadła do poziomu 13 tys.Ǧ15 tys., na którym utrzymywała się w pozostałych

latach badań. Blisko połowa ptaków (średnio 48%, zakres 31Ǧ59%) była notowana nad lagunami.

Wzdłuż brzegu otwartego morza występowało 46% ptaków teg‘‰ƒ–——ȋœƒ”‡•͵͸Ǧ͸ͺΨȌǡ’”œ›

zagęszczeniach wynoszących średnio 11,18 os./km (zakres 6,72 do 24,08 os./km). 



Mewa siodłata Larus marinus

Liczebność gatunku w ciągu całego okresu badań wykazywała stosunkowo niedużą

zmienność, od okołoͶͷͲ†‘‘oło͹ͷͲ’taków, przy czym najliczniej była stwierdzana w dwóch

’‹‡”™•œ› Š •‡œ‘ƒ Š ȋŽƒ–ƒ ʹͲͳͳ ‹ 2012). Połowa ptaków (średnio 54%, zakres 33Ǧ72%) była

notowana na lagunach. Wzdłuż brzegu otwartego morza spotykana rzadziej (34% osobników,

œƒ”‡•ʹʹǦ44%), w zagęszczeniach układających się na poziomie od 0,16 os./km do 0,61 os./km

(średnio 0,36 os./km). 



Kormoran Phalacrocorax carbo

W pierwszych dwóch sezonach badań notowany w liczebnościach rzędu około ͵ͷͲͲ

ptaków, w kolejnych sezonach coraz liczniejszy i w 2016 r. stwierdzono już około ͳͳ ͲͲͲ

osobników. Występował głównie na lagunach (średnio 82% osobników, zakres 70Ǧ94%). Wzdłuż

brzegów otwartego Bałtyku spotykany w zagęszczeniach wynoszących średnio 1,75 os./km

ȋœƒ”‡•Ͳǡʹͺ–4,83 os./km). Pomimo przejściowego spadku liczebności w 2015 r., średnie tempo

wzrostu liczebności populacji szacowane jest na blisko 23% rocznie. 



Monitoring Zimujących Ptaków Morskich



Liczebność 10 gatunków na transektach badanych w ramach Monitoringu Zimujących

Ptaków Morskich zestawiono ™ –ƒ„‡Ž‹ ͳǤͶǤʹǤ Uzyskane dane pozwoliły na oszacowanie zmian

liczebności dla 3 najliczniejszych gatunków stanowiących ‘†ͻͲ†‘ͻͶΨœ‰”—’‘™ƒ‹ƒǣlodówki,

—ŠŽ‹‹ƒ”ƒ œ‹Ǥ ‡†›‹‡†Žƒ—ŠŽ‹™›ƒœƒ‘‹•–‘–›•–ƒ–›•–› œ‹‡‹‡™‹‡Ž‹–”‡†•’ƒ†‘™›ȋǦ͸Ψ

rocznie; λ=ͲǡͻͶͷǡαͲǡͲʹͶȌǤ



ƒ„‡ŽƒͳǤͶǤʹǤ Liczba osobników 10 gatunków podstawowych w Monitoringu Zimujących Ptaków

‘”•‹ Š‘†‘–‘™ƒƒƒͷ͸–”ƒ•‡–ƒ Š™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸(źródło danych PMŚ)Ǥ

ƒ–—‡



—””†œƒ™‘•œ›‹Gavia stellata

—” œƒ”‘•œ›‹Gavia arctica

‡”‘œ”†œƒ™‘•œ›‹Podiceps grisegena

‡”‘œ”‘‰ƒ–›Podiceps auritus

Lodówka Clangula hyemalis

ƒ”ƒ œƒMelanitta nigra

ŠŽƒMelanitta fusca

—”œ›Uria aalge

ŽƒAlca torda

—”‹Cepphus grylle

ʹͲͳͳ

ͳ

ʹͳ

ͺ

͵ͷ

ͳͷʹ͹Ͳ

͹ʹͶ

ͻ͹͹ͷ

ͳ

ͷͳ

ͳͲ

ʹͲͳʹ

͹

͵ͻ

Ͷ

ʹʹ

ʹͻͷʹͻ

ͳʹͷ͸

ͳʹͶͺʹ

͵͵

͹ͳ͹

ͳͳ

Liczba osobników

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹʹ

ͳʹ

ʹ͵

ͳͲ

ͳ͸

ͳ͹

Ͷ

ͳͶ

ͺ

ͳ͸

ʹ͸

͵Ͳ

ͳͶ͹͵͹ ʹͲ͹ͺͺ ͳʹͲͶ͵

͸ͶͶ

ͳͲ͸Ͳ

͸ͻͻ

ͳͳ͹Ͳ͹

͸͹ͻͶ

͹͸ʹ͸

ͻ

ͳ͵

͵ͻ

ͻͶ

͹͵

ͺͺ

ͳͲ

ͻ

ͳʹ

ʹͲͳ͸

ͳͷ

ͳͷ

Ͷ

ʹͶ

ͳ͸ͳͲ͵

ͳ͵͸ͺ

ͷͻͺͻ

ͺ

͹ͺ

ͺ



Liczebność lodówki i markaczki w omawianym okresie można uznać za stabilną, gdyż‹‡

—•–ƒŽ‘‘ istotnego statystycznie trendu zmian liczebności ȋ”›•Ǥ ͳǤͶǤʹȌǤ  ‘•–ƒ–‹ Š ‹Ž—ƒ•–—



Ͷͺ

Žƒ–ƒ Šliczebnośćƒ œ‡‘”•‹ Šzimując› Šna Bałtyku wykazałƒ•‹Ž›–”‡†•’ƒ†‘™›ȋ‘˜‹

‹Ǥ 2011). Wyniki uzyskane podczas sześciu lat monitoringu †Žƒ  wskazują, że tylko w

’”œ›’ƒ†——ŠŽ‹ƒ›†‘ œ›‹‡‹ƒœ‹•–‘–›•–ƒ–›•–› œ‹‡spadkiem liczebnościǤozostałe dwa

‰ƒ–—‹™›†ƒŒą się pod tym względem stabilne, lecz szerokie przedziały ufności nie pozwalają na

wyciągnięcie jednoznacznych wnioskówǤ



›•ǤͳǤͶǤʹǤ

Zmiany liczebności 3 gatunków najliczniejszych kaczek morskich: lodówki (lewy panel), uhli

(środkowy panel) oraz markaczki (prawy panel) na podstawie wyników Monitoringu

Zimujących Ptaków Morskich w latach 2011Ǧ2016. Niebieska wstęga na wykresie oznacza

błąd standardowy(źródło danych PMŚ)Ǥ





Monitoring Produktywności Bielika

 ʹͲͳͷ ”Ǥ do oceny sukcesu lęgowego wykorzystano wyniki kontroli 79 •–ƒ‘™‹•ǡ †Žƒ

których ustalono końcowy wynik lęgu. W 48 przypadkach lęgi zakończyły się sukcesem –•— ‡•

lęgowy wynosił 60,8%. Spośród 31 gniazd, w których stwierdzono stratę lęgu, 7 skontrolowano

poprzez wspinanie się na drzewa. Ustalono, że w trzech gniazdach nie było ubitej wyściółki, zatem

pary te w ogóle nie przystąpiły do rozrodu.

Do oceny sukcesu lęgowego w 2016 rǤ ™›‘”œ›•–ƒ‘ ™›‹‹ ‘–”‘Ž‹ ͸ͻ •–ƒ‘™‹• œ

ustalonym końcowym wynikiem lęgu. W 33 przypadkach (47,8% par) lęgi zakończyły się

•— ‡•‡m. Sukces lęgowy w 2016 rǤ był o 13% niższy od stwierdzonego w poprzednim roku.

Spośród 36 gniazd, w których stwierdzono stratę lęgu, 21 skontrolowano poprzez wspinanie się

na drzewa. Ustalono, że w 3 przypadkach pary w ogóle nie przystąpiły do rozrodu. Wpozostałych

18 stwierdzono obecność wyściółki, jaj lub skorup jaj, a w jednym przypadku ślady przebywania

małych piskląt. Może to oznaczać, że ptaki były w 2016 rǤ w dobrej kondycji i w większości

przystąpiły do lęgów, ale w początkowej ich fazie doszło do znacznych strat. Pary zajmujące

rewiry lęgowe, ale nie przystępujące do lęgów stanowiły w 2016 rǤœƒŽ‡†™‹‡ͶΨȋ͵’ƒ”›ƒ͸ͻœ‡

znanym wynikiem lęguȌǤ

Liczba młodych i produktywność obliczona dla wszystkich kontrolowanych

stanowisk

W 48 gniazdach spośród ͹ͻ •‘–”‘Ž‘™ƒ› Š ™ ʹͲͳͷ ”Ǥ stwierdzono obecność młodych

poprzez wykonanie kontroli z ziemi. W przypadku gniazd, w których nie udało się wypatrzeć

młodego, ale wygląd gniazda i otoczenia wskazywał na sukces lęgowy, przyjęto, że wgnieździe

przebywało co najmniej 1 młode. Uwzględniając wszystkie stanowiska lęgowe skontrolowane w



Ͷͻ

ʹͲͳͷ ”Ǥ z ziemi, w 48 gniazdach z sukcesem stwierdzono łącznie 77odchowanych młodych.

Produkcja młodych wyliczona tą metodą wyniosła 1,60 młodego na parę z sukcesem i 0,97 na parę

lęgowąǤ

 ʹͲͳ͸ ”Ǥ w 33 z 69 skontrolowanych gniazd stwierdzono obecność młodych metodą

kontroli z ziemi, szacując ich liczbę łącznie na 56. Produkcja młodych wyliczona tą metodą

wyniosła 1,70 młodego na parę z sukcesem i 0,81 w przeliczeniu na parę lęgową.‹‘‹•‹‡‰‘

sukcesu lęgowego okazało się, że produkcja młodych w przeliczeniu na parę z sukcesem jest

zbliżona do wyniku z 2015 r. W 11 gniazdach stwierdzono 2 młode, a w 22 jedno.

Liczba młodych i produktywność obliczona dla rewirów, w których wykonano

kontrole wnętrza gniazda

W celu wykorzystania danych do obliczenia wskaźnika produktywności bielika w całym

basenie Morza Bałtyckiego wykonano również dodatkowe kontrole gniazd poprzez wspinanie się

ƒ †”œ‡™ƒ ȋ–›Ž‘ –ƒ‹‡ †ƒ‡  ™›‘”œ›•–—Œ‡ †‘ ‘„Ž‹ zenia wskaźnika). W 2015 rǤ

skontrolowano w ten sposób 33 gniazda, natomiast w 2016 r. 40 gniazd. Wyniki uzyskane w obu

latach wskazują, że kontrole z ziemi zaniżają liczbę piskląt o około 25Ǧ͵ͲΨǤ

Rzeczywista produktywność bielika (liczba młodych na gniazd‘ œ •— ‡•‡Ȍ ™ ʹͲͳͷ ”Ǥ

wynosiła 1,81, natomiast liczba piskląt na parę lęgową Ǧ ͳǡͶʹǤ  ʹͲͳ͸ ”Ǥ ‘„ƒ –‡ ’ƒ”ƒ‡–”›

wynosiły odpowiednio 1,84 oraz 0,88.



Monitoring Kormorana



 ‘”‡•‹‡ ’”‘™ƒ†œ‡‹ƒ ‘‹–‘”‹‰—ǡ –ŒǤ ™ Žƒ–ƒ Š ʹͲͳͷ ‹ 2016 liczba par lęgowych

‘rmorana na terenie Polski wzrosła z 28354 do 30091, w tym z 12 ͻͻͻ †‘ ͳ͵ Ͷͷͻ ’ƒ”

™ͳͲ‹Ž‘‡–”‘™›’ƒ•‹‡ƒ†‘”•‹Ǥ

W strefie 10 km od linii brzegowej Morza Bałtyckiego w latach 2015Ǧ2016 znajdowało się

sześć kolonii. W 2016 rǤstanowiły one 10% znanych kolonii kormoranów w Polsce igniazdowało

w nich 45% krajowej populacji lęgowej (1% mniej niż w poprzednim roku). Wzrost liczebności

ptaków w koloniach nadmorskich między 2015 ”ǤƒʹͲͳ͸”Ǥwyniósł 3,5%, natomiast poza tą strefą

–7,5%. Wyraźny wzrost liczbypar lęgowych nastąpił w rejonie Zalewu Szczecińskiego i jez‹‘”ƒ

Dąbie (+11%), spadek, kolejny już rok, w Kątach Rybackich nad Zatoką Gdańską (ǦͳͳΨȌǤ



Monitoring Rybitwy Czubatej



 ʹͲͳͷ ”Ǥ przeprowadzono 2 kontrole na stanowisku w ujściu Wisły, podczas których

liczono wszystkie zniesienia rybitwy czubatej. Największą liczebność, 493 pary, odnotowano

’‘† œƒ• †”—‰‹‡Œ ‘–”‘Ž‹ ȋ͸ œ‡”™ ƒ ʹͲͳͷȌǤ Rybitwy czubate rozpoczęły składanie jaj około ͵

maja. Pierwszą kontrolę przeprowadzono 5 maja i odnotowano 48 zniesień. Był to wyjątkowo

wczesny termin w czasie ich bieżącej obecności w ujściu Wisły i pozwalał oczekiwać wysokiego

sukcesu lęgowego. W wyniku zbudowania lądowej drogi na wyspę (–œ™Ǥ ‹‡”‘™‹ ƒȌ ͳʹ ƒŒƒ

kolonia zaczęła być plądrowanaprzez drapieżniki. Lisy i norki początkowo zniszczyły większość

zniesień rybitw rzecznych i dużą część rybitw białoczelnych, ale pod koniec maja, gdy rozpoczęło

się klucie rybitw czubatych, zjadały wszystkie pojawiające się pisklęta. W obliczu dużych strat w

lęgach część ptaków przystąpiła powtórnie do lęgów na początku czerwca (m.in.ʹͲͲ’ƒ””›„‹–™

czubatych i 100 par rybitw rzecznych), ale te lęgi również zakończyły się niepowodzeniem, także

dlatego, że do presji ze strony lądowych drapieżników dołączały się coraz liczniejsze mewy

•”‡„”œ›•–‡Ǥ

 ʹͲͳ͸ ”Ǥ przeprowadzono 7 kontroli połączonych z liczeniem gniazd. 1 maja dorosłe

rybitwy czubate były obecne w kolonii w liczbie kilkudziesięciu osobników, lecz nie znaleœ‹‘‘

zniesień. 16 maja policzono 190 zniesień, a do 4 czerwca liczba gniazd wzrosła do 330, w tym

odnotowano pierwsze klucia. Największą liczebność, 440 zniesień rybitw czubatych, odnotowano

podczas kontroli miesiąc później, 3 lipca. Była to kontrola połą œ‘ƒœobrączkowaniem piskląt,

których do tego dnia zaobrączkowano 466 (269 w dn‹— ͳͺ œ‡”™ ƒ ‹ ͳͻ͹ ™†‹— ͵ Ž‹’ ƒȌǤ

Pozostawiono również kilkadziesiąt małych piskląt bez obrączkowania. Należy uznać, że 330 par



ͷͲ

policzonych 4 czerwca odniosło sukces lęgowyi nie powtarzało lęgów, a 440 gniazd z 3 lipca to

kolejne pary lęgowe. Kolonia liczyła więc łącznie nie mniej niż 770 par. 11Ž‹’ ƒ‘oło‰‘†œ‹›

11:00 nastąpiło szybkie i krótkotrwałe zjawisko wezbrania wód oblewających łachę z kolonią

”›„‹–™Ǥ‡‰‘†‹ƒpoziom wody w Zatoce Gdańskiej był wysoki ipłaska fala o wysokości około͵Ͳ

cm, która nadeszła od wschodu, przelała się przez kolonię rybitw. W wyniku tego prawie

wszystkie gniazda z jajami zostały zniszczone, a jaja spłukane do wody. Pozostało około ʹͲͲ

nielotnych piskląt, ale te zginęły w ciągu kilku kolejnych dni w wyniku gwałtownych sztormów i

opadów, które nawiedziły wybrzeże. 16 lipca nie było śladów kolonii – ƒ‹ ŒƒŒǡ ƒ‹ ‹‡Ž‘–› Š

piskląt. Podczas kontroli 30 lipca znaleziono osiem nowych zniesień ™innej części łachy, w

niewielkiej kolonii śmieszek i rybitw rzecznych. Wszystkie te zniesienia składały się z jednego jaja

i zniknęły (najprawdopodobniej zjedzone przez drapieżniki) do połowy sierpnia.



Monitoring Biegusa Zmiennego



 Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸ nie stwierdzono par lęgowych biegusa zmiennego Calidris alpina

schinziiƒ–‡”‡‹‡”ƒŒ—Ǥ ‡†›‡•–™‹‡”†œ‡‹‡’‘Œ‡†› œ‡‰‘’–ƒƒ’‘ Š‘†œ‹œʹͲͳͳ”Ǥ





Ryby



Struktura gatunkowa ichtiofauny jest uzależniona między innymi od warunków

ƒ„‹‘–› œ› Šǡ szczególnie od zasolenia i głębokości. Istotna w kształtowaniu zespołu ryb jest

tolerancja poszczególnych gatunków na zmiany zasolenia. Strefę przejściową zasiedlają zarówno

‰ƒ–—‹‘”•‹‡Œƒ‹słodkowodne. W tym drugim przypadku ‹•–‘–ƒjest wartość zas‘Ž‡‹ƒwód,

przy którejdany gatunek może bytować, a także wartość graniczna zasolenia, przy którejmoże

się z sukcesem reprodukować. Większość gatunków słodkowodnych występujących w strefie

przejściowej wód Polski wykształciła mechanizm wędrówek tarłowych †‘ ‹‡Œ•  „ƒ”†œ‹‡Œ

wysłodzonych (np. ujść rzek). Większą tolerancję na zwiększone zasolenie ryb morskich wykazują

ryby okoniowate (sandacz, okoń, jazgarz) a mniejszą Ǧkarpiowate (m.in leszcz, płoć). Zasolenie

limituje również częstość rejestracji gatunków atlantyckich. Większość z nich (np. zimnicę,

nagłada, czarniaka, plamiaka, rdzawca) spotkać można w zachodniej części POM.

Ważną cechą zespołów ryb jest ich mobilność. Za wyjątkiem barier fizjologicznych

związanych ze zbyt niskim lub zbyt wysokim zasoleniem, większość gatunków ryb przemieszcza

się nawet na znaczne odległości w trakcie wędrówek żerowiskowych lub tarłowych. Ryby

występujące w strefie przejściowej wód Polski są w większości oportunistami pokarmowymi, co

oznacza, że nie są silnie uzależnione od występowania określonego taksonu bezkręgowców

dennych. Bardziej istotna jest głębokość dna, od której uzależniona jest zdolność penetracji

zasobów pokarmowych przez poszczególne gatunki ryb bentosożernych.

Ryby stale występujące w  należą do ponad 60 gatunków. Część gatunków

™›‹‡‹‘› Š™–ƒ„‡Ž‹ͳǤͶǤ͵Œ‡•–‘–‘™ƒƒ•–‘•—‘™‘”œƒ†‘Ǥ‹•–ƒ–ƒ‹‡œƒ™‹‡”ƒ™•œ›•–‹ Š

gatunków ryb zaobserwowanych okazjonalnie przez rybaków lub naukowców z‹› Š‹•–›–— Œ‹

gromadzących dane o ichtiofaunie (np. pojedynczych okazów gatunków nierodzimych lub ryb

migrujących okazjonalnie z rzek, jezior oraz ryb atlantyckich) i należy ją traktować jako listę

otwartą, zawierającą jednak ty’‘™›†Žƒskład gatunkowy. Połowy komercyjne ograniczone

są do kilkunastu gatunków: największe połowy rejestruje się dla szprota, śledzia, dorsza i storni.

Częstym przyłowem są inne płastugi: gładzica iskarp. Poszukiwanymi przez rybołówstwo

‰ƒ–—ƒ‹•ą ryby łososiowate (łosoś, troć) oraz węgorz. 







ͷͳ



ƒ„‡ŽƒͳǤͶǤ͵Ǥ Lista gatunków ryb i minogów zarejestrowanych w  wykonana w ramach wstępnej

oceny stanu środowisƒ wód morskich (na podstawie statystyki rybackiej, obserwacji

połowów rybackich ipołowów badawczych MIRǦ ȌǦ‘’”ƒ ‘™ƒ‹‡ Ǥ•—–›(GIOŚ, 2014)Ǥ



ƒœ™ƒ’‘Ž•ƒ

Nazwa łacińska

Śledź

Clupea harengus membras

ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

œ’”‘–

›‘”œ›•–ƒ‹‡

‘‡” ›Œ‡Ȁ•–ƒ–—•

‘ Š”‘›

Połowy ukierunkowane

Sprattus sprattus ȋ Š‡‹†‡”ǡͳͻͲͶȌ Połowy ukierunkowane

‘”•œ

Gadus morhua ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Połowy ukierunkowane

–‘”‹ƒ

Platichthys flesusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Połowy ukierunkowane

Gładzica

Pleuronectes platessaȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Przyłów w połowach

†‡› Š

ƒ”’

Psetta maximaȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Łosoś atlantycki

Salmo salarȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Przyłów w połowach

dennych, połowy

—‹‡”—‘™ƒ‡

Troć wędrowna

Pstrąg tęczowy

Węgorzyca

‘–‡Žƒ

‹–Ž‹‡

Žƒ‹ƒ

œƒ”‹ƒ

†œƒ™‹‡ 

•–”‘„‘

‹‹ ƒ

Nagład

‘„‹ƒ•œ



Salmo trutta trutta ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ



Oncorhynchus mykiss ȋƒŽ„ƒ—ǡ

ͳ͹ͻʹȌ

Połowy ukierunkowane

Połowy ukierunkowane

Przyławiany

„•œƒ”

występowania/uwagi

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne, lokalnie i

‘”‡•‘™‘™‘†›

przejściowe

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

niektóre części wód

przejściowych

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

niektóre części wód

przejściowych

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

niektóre części wód

przejściowych

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

niektóre części wód

przejściowych

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

niektóre części wód

przejściowych

Wszystkie typy wód

ȋ‰ƒ–—‡ƒƒ†”‘‹ œ›Ȍ

Wszystkie typy wód

ȋ‰ƒ–—‡ƒƒ†”‘‹ œ›Ȍ

Wszystkie typy wód,

‰ƒ–—‡™’”‘™ƒ†œ‘›

œƒ”›„‹‡‹ƒ‹

Zoarces viviparusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

‹‡‘‡” ›Œ›ǡ

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

przyławiany

strefa przybrzeżna, niektóre

części wód przejściowych

Enchelyopus cimbriusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›ǡ

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹͸͸Ȍ

przyławiany

wody przybrzeżne,

Merlangius merlangusȋ‹ƒ‡—•ǡ ƒœŒ‘ƒŽ‹‡‘‡” ›Œ›ǡ ‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

przyławiany

wody przybrzeżne,

Melanogrammus aeglefinus

Rzadki, przyławiany

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

zachodnia część

Pollachius virens (‹ƒ‡—•ǡͳ͹ͷͺȌ

Rzadki, przyławiany

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

zachodnia część

Pollachius pollachius ȋ‹ƒ‡—•ǡ

Rzadki, przyławiany

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

zachodnia część

Trachurus trachurus ȋ‹ƒ‡—•ǡ

Rzadki, przyławiany

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

zachodnia część

Limanda limandaȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Rzadki, przyławiany

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

zachodnia część

Scophthalmus rhombusȋ‹ƒ‡—•ǡ

Rzadki, przyławiany

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne,

zachodnia część

Ammodytes tobianusȋ‹ƒ‡—•ǡ ƒœŒ‘ƒŽ‹‡‘‡” ›Œ› ‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne,

ͷʹ

ƒœ™ƒ’‘Ž•ƒ

Nazwa łacińska

›‘”œ›•–ƒ‹‡

‘‡” ›Œ‡Ȁ•–ƒ–—•

‘ Š”‘›

Poz. 230

„•œƒ”

występowania/uwagi

niektóre części wód

przejściowych

‘„‹Œƒ

Hyperoplus lanceolatusȋ‡

ƒœŒ‘ƒŽ‹‡‘‡” ›Œ› ‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ƒ—˜ƒ‰‡ǡͳͺʹͶȌ

wody przybrzeżne,

niektóre części wód

przejściowych

Kur diabeł

Myoxocephalus scorpiusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne,

niektóre części wód

przejściowych

ƒ•œƒ

Cyclopterus lumpusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne,

niektóre części wód

przejściowych

ƒ”‡Žƒ

Scomber scombrusȋ‹ƒ‡—•ǡ

ƒœŒ‘ƒŽ‹‡‘‡” ›Œ› ‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne

ƒ”’‘•œ

Alosa fallaxȋƒ ‡’‡†‡ǡͳͺͲ͵Ȍ

ƒ–—‡ Š”‘‹‘›ǡ

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

przyławiany

wody przybrzeżne, lokalnie i

‘”‡•‘™‘™‘†›

przejściowe (gatunek

ƒƒ†”‘‹ œ›Ȍ

Ž‘œƒ

Alosa alosa ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

ƒ–—‡ Š”‘‹‘›ǡ”œƒ†‹ ‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

przybrzeżne, lokalnie i

okresowo wody przejściowe

Ǧzachodnia część (gatunek

ƒƒ†”‘‹ œ›Ȍ

Węgorz 

Anguilla anguilla ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Połowy ukierunkowane

Wody przejściowe,



przybrzeżne, okazjonalnie w

‘–™ƒ”–›‘”œ—ȋ‰ƒ–—‡

ƒ–ƒ†”‘‹ œ›Ȍ

‡Ž‘ƒ

Belone beloneȋ‹ƒ‡—•ǡͳ͹͸ͳȌ

Połowy ukierunkowane,

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

przyławiany

wody przybrzeżne,

niektóre części wód

przejściowych (Zƒ–‘ƒ

— ƒȌ

ƒ†ƒ œ

Sander lucioperca ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Połowy ukierunkowane,

Wody przybrzeżne,

przyławiany

przejściowe, spotykany w

™‘†ƒ Š‘–™ƒ”–‡‰‘‘”œƒ

Okoń

Perca fluviatilisȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Połowy ukierunkowane,

Wody przybrzeżne,

przyławiany

przejściowe, spotykany w

™‘†ƒ Š‘–™ƒ”–‡‰‘‘”œƒ

–›ƒ

Osmerus eperlanusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ƒœŒ‘ƒŽ‹‡‘‡” ›Œ›ǡ

Wody przybrzeżne,

przyławiany

przejściowe, spotykany w

™‘†ƒ Š‘–™ƒ”–‡‰‘‘”œƒ

‹‡”‹

Gasterosteus aculeatusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›

Wody przybrzeżne,

ͳ͹ͷͺȌ

przejściowe, spotykany w

™‘†ƒ Š‘–™ƒ”–‡‰‘‘”œƒ

‹‡”‹ œ‡

Pungitius pungitiusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›

Wody przejściowe,

ͳ͹ͷͺȌ

przybrzeżne

ƒ„ƒ

Neogobius melanostomusȋƒŽŽƒ•ǡ ƒœŒ‘ƒŽ‹‡‘‡” ›Œ›ǡ

Wody przybrzeżne,

śniadogłowa

ͳͺͳͶȌ

‹™ƒœ›Œ›‘„ ›ǡ

przejściowe, spotykany w

ȋ„› œƒȌ

przyławiany

™‘†ƒ Š‘–™ƒ”–‡‰‘‘”œƒ

‰ƒ–—‡‹‡”‘†œ‹›

ƒ„ƒ’‹ƒ•‘™ƒ Pomatoschistus micropsȋ”ø›‡”ǡ ‹‡‘‡” ›Œ›ǡ‰ƒ–—‡

Wszystkie typy wód

ͳͺ͵ͺȌ

Š”‘‹‘›

Babka mała

Pomatoschistus minutusȋƒŽŽƒ•ǡ

‹‡‘‡” ›Œ›ǡ‰ƒ–—‡

Wszystkie typy wód

ͳ͹͹ͲȌ

Š”‘‹‘›

ƒ„ƒ œƒ”ƒ

Gobius nigerȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

‹‡‘‡” ›Œ›ǡ”œƒ†‹ǡ

Wszystkie typy wód

‰ƒ–—‡ Š”‘‹‘›

ƒ„ƒ

Gobiusculus flavescensȋ ƒ„”‹ ‹—•ǡ

‹‡‘‡” ›Œ›ǡ”œƒ†‹ǡ

Wszystkie typy wód

œƒ”‘’Žƒƒ

ͳ͹͹ͻȌ

‰ƒ–—‡ Š”‘‹‘›



ͷ͵

ƒœ™ƒ’‘Ž•ƒ

›‘”œ›•–ƒ‹‡

„•œƒ”

‘‡” ›Œ‡Ȁ•–ƒ–—•

występowania/uwagi

‘ Š”‘›

Babka szczupła Neogobius fluviatilis ȋƒŽŽƒ•ǡͳͺͳͶȌ ‹‡‘‡” ›Œ›ǡ‹™ƒœ›Œ› Wody przejściowe, gatunek

‘„ ›

nierodzimy, słodkoǦ

słonawowodny

Babka łysa

Babka gymnotrachelus ȋ‡••Ž‡”ǡ ‹‡‘‡” ›Œ›ǡ‹™ƒœ›Œ› Wody przejściowe, gatunek

ͳͺͷ͹Ȍ

‘„ ›

nierodzimy, słodkoǦ



słonawowodny

‹•‹ ƒ

Agonus cataphractusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›ǡ”œƒ†‹

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne,

niektóre części wód

przejściowych

‡‹

Liparis liparisȋ‹ƒ‡—•ǡͳ͹͸͸Ȍ

‹‡‘‡” ›Œ›ǡ”œƒ†‹ǡ

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

Š”‘‹‘›

niektóre części wód

przejściowych (Zatoka

Gdańska)

Ostropłetwiec

Pholis gunnellusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

‹‡‘‡” ›Œ›ǡ”œƒ†‹

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

wody przybrzeżne,

niektóre części wód

przejściowych

Taśmiak

Lumpenus lamptetaeformis

‹‡‘‡” ›Œ›ǡ”œƒ†‹ǡ

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ȋƒŽ„ƒ—ǡͳ͹ͻʹȌ

Š”‘‹‘›

niektóre części wód

przejściowych (Zatoka

Gdańska)

Kur głowacz Taurulus bubalisȋ—’Š”ƒ•‡ǡͳ͹ͺ͸Ȍ ‹‡‘‡” ›Œ›ǡ”œƒ†‹

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

przybrzeżne, zach‘†‹ƒ

część

—”‡ œ‡”™‘› Chelidonichthys lucernaȋ‹ƒ‡—•ǡ ‹‡‘‡” ›Œ›ǡ”œƒ†‹

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

przybrzeżne, zachodnia

część

—”‡•œƒ”›

Eutrigla gurnardusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›ǡ”œƒ†‹

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

przybrzeżne, œƒ Š‘†‹ƒ

część

ƒ”†‡Žƒ

Engraulis encrasicolusȋ‹ƒ‡—•ǡ

Przyłów, rzadki

‘†›‘–™ƒ”–‡‰‘‘”œƒǡ

ͳ͹ͷͺȌ

wody przybrzeżne,

niektóre części wód

przejściowych

‰Ž‹ œ‹ƒ

Sygnathus typhleȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ‹‡‘‡” ›Œ›ǡ‰ƒ–—‡

Wody przejściowe,

Š”‘‹‘›

’”œ›brzeżne

Wężynka

Nerophis ophidionȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ‹‡‘‡” ›Œ›ǡ‰ƒ–—‡

Wody przejściowe,

Š”‘‹‘›

przybrzeżne

‘ ‹‡”‹‡ 

Spinachia spinachiaȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›ǡ‰ƒ–—‡

Wody przejściowe,

ͳ͹ͷͺȌ

Š”‘‹‘›

przybrzeżne

Minóg rzeczny

Lampetra fluviatilisȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›ǡ‰ƒ–—‡

Wody przejściowe,

ͳ͹ͷͺȌ

Š”‘‹‘›

przybrzeżne, gatunek

ƒƒ†”‘‹ œ›

Minóg morski

Petromyzon marinusȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›ǡ”œƒ†‹ǡ

Wody przejściowe,

ͳ͹ͷͺȌ

‰ƒ–—‡ Š”‘‹‘›

przybrzeżne, gatunek

ƒƒ†”‘‹ œ›

œ œ—’ƒ

Esox luciusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

‘ƒŽ‹‡—‹‡”—‘™ƒ‡

Wody przejściowe,

połowy, przyławiany

przybrzeżne, gatunek

słodkowodny

‹‡Œƒ

Coregonus maraenaȋŽ‘ Šǡͳ͹͹ͻȌ ‘ƒŽ‹‡—‹‡”—‘™ƒ‡

Wody przejściowe,

połowy, przyławiany

przybrzeż‡ǡ‰ƒ–—‡•‡‹Ǧ

ƒƒ†”‘‹ œ›

Miętus

Lota lota ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Lokalnie przyławiany

Wody przejściowe,

przybrzeżne, gatunek

słodkowodny

ƒœ‰ƒ”œ

Gymnocephalus cernuaȋ‹ƒ‡—•ǡ

‹‡‘‡” ›Œ›

Wody przejściowe,

ͳ͹ͷͺȌ

przybrzeżne

‹‘•ƒ

Pelecus cultratusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Lokalnie przyławiany,

Wody przejściowe,

poza Zalewem Wiślanym

przybrzeżne

‰ƒ–—‡ Š”‘‹‘›



Nazwa łacińska

ͷͶ

ƒœ™ƒ’‘Ž•ƒ

Nazwa łacińska

‡”–ƒ

Vimba vimbaȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

›‘”œ›•–ƒ‹‡

‘‡” ›Œ‡Ȁ•–ƒ–—•

‘ Š”‘›

Lokalnie przyławiany

Poz. 230

„•œƒ”

występowania/uwagi

Wody przejściowe,

przybrzeżne, gatunek

ƒƒ†”‘‹ œ›

Płoć

Rutilus rutilusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

‘ƒŽ‹‡—‹‡”—‘™ƒ‡

Wody przejściowe,

połowy, przyławiany

przybrzeżne, gatunek

słodkowodny

‡•œ œ

Abramis brama ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ‘ƒŽ‹‡—‹‡”—‘™ƒ‡

Wody przejściowe,

połowy, przyławiany

przybrzeżne, gatunek

słodkowodny

Boleń

Leucuscus aspius ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Lokalnie przyławiany

Wody przejściowe,

ȋ”œƒ†‘Ȍ

przybrzeżne, gatunek

słodkowodny

”œƒƒ

Barbus barbusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Lokalnie przyławiany

Wody przejściowe,

ȋ”œƒ†‘Ȍ

przybrzeżne, gatunek

słodkowodny

Karaś srebrzysty

Carassius gibelio ȋŽ‘ Šǡͳ͹ͺʹȌ

‘ƒŽ‹‡—‹‡”—‘™ƒ‡

Wody przejściowe,

połowy, przyławiany

przybrzeżne, gatunek

słodkowodny

Karaś pospolity

Carassius carassius ȋ‹ƒ‡—•ǡ

Lokalnie przyławiany

Wody przejściowe,

ͳ͹ͷͺȌ

ȋ”œƒ†‘Ȍ

przybrzeżne, gatunek

słodkowodny

ƒ”’

Cyprinus carpio ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Lokalnie przyławiany

Wody przejściowe,

ȋ”œƒ†‘Ȍ

przybrzeżne, gatunek

słodkowodny, osobniki z

zarybień

‹

Tinca tinca ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

‘ƒŽ‹‡—‹‡”—‘™ƒ‡

Wody przejściowe,

połowy, przyławiany

przybrzeżne, gatunek

sł‘†‘™‘†›

Kleń

Squalius cephalus ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ‹‡‘‡” ›Œ›ǡŽ‘ƒŽ‹‡

Wody przejściowe,

przyławiany

przybrzeżne, gatunek

słodkowodny

Krąp

Blicca bjoerkna ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Lokalnie przyławiany 

Wody przejściowe,

przybrzeżne, gatunek

słodkowodny

ƒ’ƒ

Ballerus sapa (ƒŽŽƒ•, 1814)

Lokalnie przyławiany

Wody przejściowe,



ȋ”œƒ†‘Ȍ

przybrzeżne, gatunek

słodkowodny, nierodzimy

Ž‡Œƒ

Alburnus alburnus ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ‹‡‘‡” ›Œ›ǡŽ‘ƒŽ‹‡

Wody przejściowe,

przyławiany

przybrzeżne, gatunek

słodkowodny

Rozpiór

Ballerus ballerusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ ‹‡‘‡” ›Œ›ǡŽ‘ƒŽ‹‡

Wody przejściowe,

przyławiany

przybrzeżne, gatunek

słodkowodny

Wzdręga

Scardinius erythrophthalmus

Lokalnie przyławiany 

Wody przejściowe,

ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

przybrzeżne, gatu‡

słodkowodny

Różanka

Rhodeus amarus (Ž‘ Šǡͳ͹ͺʹ) Niekomercyjny, występuje Wody przejściowe, gatunek

Ž‘ƒŽ‹‡ǡ‰ƒ–—‡

słodkowodny

Š”‘‹‘›

‘œƒ

Cobitis taenia ‹ƒ‡—•ǡͳ͹ͷͺ Niekomercyjny, występuje Wody przejściowe, ‰ƒ–—‡

Ž‘ƒŽ‹‡ǡ‰ƒ–—‡

słodkowodny

Š”‘‹‘›

‹•‘”œ

Misgurnus fossilis ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Niekomercyjny, występuje Wody przejściowe, gatunek

Ž‘ƒŽ‹‡ǡ‰ƒ–—‡

słodkowodny

Š”‘‹‘›

Kiełb

Gobio gobio ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Niekomercyjny, występuje ‘†›’”œ‡Œściowe, gatunek

Ž‘ƒŽ‹‡ǡ‰ƒ–—‡

słodkowodny

Š”‘‹‘›

‹‡‹‡Ž‹ ƒ

Alburnoides bipunctatus ȋŽ‘ Šǡ Niekomercyjny, występuje Wody przejściowe, gatunek

ͳ͹ͺʹȌ

Ž‘ƒŽ‹‡ǡ‰ƒ–—‡

słodkowodny

Š”‘‹‘›



ͷͷ

ƒœ™ƒ’‘Ž•ƒ

›‘”œ›•–ƒ‹‡

„•œƒ”

‘‡” ›Œ‡Ȁ•–ƒ–—•

występowania/uwagi

‘ Š”‘›

Słonecznica

Leucaspius delineatus ȋ ‡ ‡Žǡ

Niekomercyjny, występuje Wody przejściowe, gatunek

ͳͺͶ͵Ȍ

Ž‘ƒŽ‹‡

słodkowodny

‡Ž‡ 

Leuciscus leuciscus ȋ‹ƒ‡—•ǡ

Niekomercyjny, występuje Wody przejściowe, gatunek

ͳ͹ͷͺȌ

Ž‘ƒŽ‹‡

słodkowodny

Jaź

Leuciscus idus ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Niekomercyjny, występuje Wody przejściowe, gatunek

Ž‘ƒŽ‹‡

słodkowodny

—‡—”‘’‡Œ•‹

Silurus glanis ȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

Lokalnie przyławiany

Wody przejściowe, gatunek

ȋ”œƒ†‘Ȍ

słodkowodny

Pstrąg potokowy Salmo trutta farioȋ‹ƒ‡—•ǡͳ͹ͷͺȌ Lokalnie przyławiany

Wody przejściowe, gatunek

ȋ”œƒ†‘Ȍ

słodkowodny

‡•‹‘–”‘•–”‘‘•›

Acipenser oxyrinchusȋ‹– Š‹ŽŽǡ

ƒ–—‡ Š”‘‹‘›ǡobjęty

Wody przejściowe,

ͳͺͳͷȌ

zakazem połowu, lokalnie

przybrzeżne, gatunek

przyławiany (rzadko)

ƒƒ†”‘‹ œ›ǡ

”‡•–›–—‘™ƒ›œƒ”›„‹‡‹ƒ‹

Poz. 230

Nazwa łacińska



Lokalnie, w wodach przejściowych i przybrzeżnych (Zalew Wiślany, Zalew Szczeciński,

Zatoka Pucka) dużą rolę w połowach odgrywają takie gatunki jak sandacz, okoń, płoć, leszcz.

Ograniczone czasowo i przestrzennie są połowy belony (wiosna, Zatoka Pucka) czy ‹‘•›ȋƒŽ‡™

Wiślany). ƒ–‘ƒ — ƒ Œ‡•– ‘„•œƒ”‡ •‹Ž‹‡ œ†‡‰”ƒ†‘™ƒ‡Œ ‹ przekształconej struktur›

‹ Š–‹‘ˆƒ—› pod względem występujących tam gatunków ryb. W latach 70Ǧ–› Š  ™‹‡—

poławiano tam przede wszystkim ryby słodkowodne idwuśrodowiskowe Ǧ węgorz‡ǡ ‘‘‹‡ǡ

płocie i szczupaki. Aktualnie akwen ten zasiedlają przede wszystkim niekomercyjne gatunki ryb

(ciernik, cierniczek, babka bycza) a rybołówstwo jest znacznie ograniczone. P”ƒ™‹‡ ͻͷΨ

wyładunków rybackich na tym akwenie przypada na pięć gatunkówǣ dorsza, stornię, belonę,

śledzia i okonia. Często spotyka się gatunki charakterystyczne dla łąk podwodnych Ǧiglicznię i

wężynkę, które znalazły odpowiednie warunki by–‘™ƒ‹ƒ ™‰Ž‘ƒ Š ‹–‘™ƒ–› ŠǤ •–—ƒ”‹—

Odry, do którego zalicza się Zalew Szczeciński w”ƒœ œprzyległymi wodami jest środowiskiem

niezwykle zróżnicowanym pod względem hydrogeologicznym oraz biologicznym. Jest to obszar

wysokiej presji antropogenicznej związanej z transportem (ruch statków torem wodnym

ŚwinoujścieǦœ œ‡ ‹Ȍǡ”‡”‡ƒ ›Œ‡Œ‹”›backiej. Na zespół ryb bytujący w Zalewie Szczecińskim

składają się głównie gatunki słodkowodne (karpiowate, okoniowate) oraz gatunki migrujące Ǧ

anadromiczne sieja, ryby łososiowate oraz katadromiczny węgorz. Na Zalewie Szczecińskim

prawie 95% wyładunków ’”œ›’ƒ†ƒƒ œ–‡”›‰ƒ–—‹ǣ’łoć, leszcz, okoń ‹•ƒ†ƒ œ. Zalew Wiślany

jest płytkim, znacznie zeutrofizowanym zbiornikiem wodnym, charakteryzującym się gradientem

zasolenia wody w osi z zachodu na wschód. Do Polski należy około ͳȀ͵ ‘„•œƒ”— ’‘™‹‡”œ Š‹

ƒŽ‡™—Ǥ Zespół ichtiofauny jest dość różnorodny, z przewagą ryb karpiowatych w części

œƒ Š‘†‹‡Œ‹przewagą ryb okoniowatych w części wschodniej. Ponadto sezonowo migrują tu na

tarło stynki oraz masowe ilości śledzi tarła wiosennego. Na Zalewie Wiślanym prawi‡ ͻͷΨ

wyładunków przypada na pięć gatunków: śledź, płoć, leszcz, sandacz i ‘‘ńǤ

Z uwagi na istotną rolę korytarzy ekologicznych dla gatunków ryb słodkowodnych oraz

dwuśrodowiskowych (anadromicznych i katadromicznych), ważne są ujścia największych rzek

‘Ž•‹ǦWisły i Odry‘”ƒœ’”œ›‘”•‹ Š. W obszarze mieszania wód słodkich i słonych bytują ryby

zarówno słodkowodne jak i morskie. Najczęściej spotykanymi gatunkami są śledź, ryby

karpiowate (leszcz, płoć), okoniowate (okoń, sandacz), stornia, stynka i rybydwuśrod‘™‹•‘™‡

Ǧtroć, łosoś, certa. UjścieOdry (w szczególności Świna), w odróżnieniu od Ujścia Wisły, jest silnie

œ‘†›ˆ‹‘™ƒ‡ działalnością człowieka (zespół portowy SzczecinǦŚwinoujście), co może

zmieniać zachowania migracyjne ryb. Także ujścia rzek przymorskich w Mrzeżynie, Kołobrzeg—ǡ

Darłówk—ǡ •– ‡ǡ ‘™ƒ Š ‹ Łeb‹‡ są w istotnym stopniu zmodyfikowane przez istniejącą

infrastrukturę portową.

Pomimo dużej liczby danych opisujących ichtiofaunę w , ich przydatność do celu opisu

zespołów ryb jest znacznie ograniczona. Efekt połowu (próbkowania zespołu) jest

zdeterminowany przede wszystkim zastosowanym narzędziem połowu a także wybranym

terminem badań. Brak jest danych pochodzących ze standaryzowanych połowów, co może być

podstawą budowania typologii biotycznej a także oceny stanu i zmian w zespołach ryb. ‘”‡•‹‡



ͷ͸

ʹͲͳ͵ǦʹͲͳ͸ ‘‹–‘”‹‰ †‹ƒ‰‘•–› œ› ‹ Š–‹‘ˆƒ—› ’”œ‡’”‘™ƒ†œ‘‘ ™‡ ™•œ›•–‹ Š Œ™ ’ ‹

wybranych jcwp przybrzeżnych na potrzeby współpracy z HELCOM.



Typy biotyczne zespołów ryb



 ”ƒƒ Š prac przeprowadzonych w ramach wstępnej oceny stanu środowiska wód

‘”•‹ ŠȋGIOŚ2014) metodą ekspercką określono wstępnie podział Polskich Wód Morskich na

typy biotyczne zespołów rybȋ”›•ǤͳǤͶǤ͵ȌǤBudując typologię oparto sięna dostępnych źródłachǡ™

–›ǣ

ͳȌ ™›‹ƒ Š monitoringu ichtiofauny wód przejściowych i przybrzeżnych

’”œ‡’”‘™ƒ†œ‘‡‰‘™ʹͲͳͳ”Ǥǡ

ʹȌ ’pisach ichtiofauny, o ile powstały na podstawie wykonanych połowów„ƒ†ƒ™ œ› Šǡ

‘’—„Ž‹‘™ƒ› Š™ogólnodostępnej literaturœ‡ƒ—‘™‡ŒǢ

͵Ȍ •‡”‹‹†ƒ› Šœ™‹‡Ž‘Ž‡–‹‡Œ•–ƒ–›•–›‹”›„ƒ ‹‡ŒǢ

ͶȌ †anych dostępnych w sprawozdaniach z realizacji różnego rodzaju projektów

obejmujących połowy badawcze Ǧ Ǣ

ͷȌ †anych z obserwacji połowów rybackich prowadzonych w ramach Wieloletniego

”‘‰”ƒ— „‹‡”ƒ‹ƒ ƒ› Š ›„ƒ ‹ Š ȋ’”‘‰”ƒ ”ƒŒ‘™› ƒ Žƒ–ƒ ʹͲͲ͹ǦʹͲͳ͵

określony w załączniku do uchwały nr 212/2007 Rady Ministrów z dnia 19

paź†œ‹‡”‹ƒ ʹͲͲ͹ ”Ǥ ™ •’”ƒ™‹‡ —•–ƒ‘™‹‡‹ƒ ‹‡Ž‘Ž‡–‹‡‰‘ ”‘‰”ƒ— „‹‡”ƒ‹ƒ

ƒ› Š ›„ƒ ‹ Š ƒ Žƒ–ƒ ʹͲͲ͹Ǧ2013, zmienionej uchwałą nr 84/2010 Rady

Ministrów z dnia 1 œ‡”™ ƒʹͲͳͲ”Ǥoraz programy wcześniejszeȌǤ



›•ǤͳǤͶǤ͵Ǥ



Typy biotyczne zespołów ryb w POM (opracowanie własne Psuty iœ›ƒ‡ǡ Ǧ ȌǤ



Z uwagi na stosunkowo niską różnorodność gatunkową ichtiofauny, zespoły ryb

poszczególnych typów biotycznych nie charakteryzują się całkowicie odrębnym składem

gatunkowym. Wyróżniono następujące typy biotyczne zespołów ”›„ǣ





ͷ͹

Zespół ryb Zalewu Puckiego

O zasięgu obejmującym Zalew Pucki i Zatokę Pucką Zewnętrzną (do głębokości 20 m),

œ†‘‹‘™ƒ› przez ryby ciernikowate (ciernik, cierniczek), okonia, babkę byczą i stornię.

Często spotyka się gatunki charakterystyczne dla łąk podwodnych Ǧ iglicznię i wężynkę, które

znalazły odpowiednie warunki bytowania w glonach nitkowatych. 



Zespół ryb Zalewu Szczecińskiego i wód przyległych

O zasięgu obejmującym Zalew Szczeciński, Zalew Kamieński oraz Ujście Świny i Dziwny. Na

zespół ryb składają się głównie gatunki słodkowodne (karpiowate, okoniowate) oraz gatunki

migrująceǣƒƒ†”‘‹ œƒsieja, ryby łososiowate oraz katadromiczny węgorz. Ważny rejon dla

rozrodu i podchowu narybku ryb słodkowodnych (sandacz, leszcz, okoń, płoć) i korytƒ”œ

ekologiczny ryb dwuśrodowiskowych.



Zespół ryb Zalewu Wiślanego

Do Polski należy około ͳȀ͵ ‘„•œƒ”— ’‘™‹‡”œ Š‹ ƒŽ‡™—Ǥ Zespół ichtiofauny jest dość

różnorodny, z przewagą ryb karpiowatych w części zachodniej i przewagą ryb okoniowatych w

części wschodniej. Ponadto sezonowo migrują tu na tarło stynki oraz masowe ilości śledzi tarła

wiosennego. Ważny rejon dla rozrodu i podchowu narybku ryb słodkowodnych (sandacz, leszcz,

okoń, płoć) i korytarz ekologiczny (dorzecze Wisły) ryb dwuśrodowiskowych.



Zespół ryb strefy przybrzeżnej Zatoki Gdańskiej z Ujściem Wisły

Obejmujący głębszą część (powyżej 20 m) Zatoki Puckiej Zewnętrznej i Zatokę Gdańską

Wewnętrzną. Występują ’”œ‡†‡ ™•œ›•–‹ Š ”›„› ‘”•‹‡ (śledź, szpro–ǡ †‘”•œǡ •–‘”‹ƒȌ œ‡

œƒ œ› udziałem ryb słodkowodnych (sandacz, leszcz, okoń) i dwuśrodowiskowych (ryby

łososiowate). W obszarze mieszania wód słodkich i słonych bytują ryby zarówno słodkowodne

jak i morskie. Najczęściej spotykanymi gatunkami są śledź, ryby karpiowate (leszcz, płoć),

okoniowate (okoń, sandacz), stornia, stynka i ryby dwuśrodowiskowe Ǧtroć, łosoś, certa. 



Zespół ryb strefy przybrzeżnej otwartego morza

Obejmujący strefę 2 mil morskich od brzegu, do głębokości przeciętnie 20 m. Występują tu

przede wszystkim ryby morskie, jednak szczególnie w okolicach ujść rzek i kanałów zwiększa się

udział ryb słodkowodnych i dwuśrodowiskowych w strukturze ichtiofauny. Aktualnie brakuje

wiedzy o lokalizacjach najważniejszych tarlisk i wzrostu narybkuǤ



Zespół ryb Zatoki Pomorskiej

Obejmujący otwarty akwen, którego tylko część leży w , o głębokości

nieprzekraczającej 20 m. PołudniowoǦzachodnia część Zatoki należy do estuarium Odry i

pozostaje pod wpływem wód słodkich. W obszarze mieszania wód słodkich i słonych bytują ryby

zarówno słodkowodne jak i morskie. Najczęściej spotykanymi gatunkami są śledź, ryby

karpiowate (leszcz, płoć), okoniowate (okoń, sandacz), stornia, stynka i ryby dwuśrodowiskowe

Ǧtroć, łosoś, certa. Często notowane są ryby charakterystyczne dla zachodniego Bałtyku. 



Zespół ryb Ławicy Słupskiej

Obejmujący zróżnicowane i cenne przyrodniczo siedliska denne w środkowej części Ǥ

Cechy charakterystyczne ichtiofauny tego rejonu są stosunkowo mało poznane, jednak z uwagi na

specyficzne warunki siedliskowe, obszar ten powinien zostać wyróżniony w typologii zespołów

ryb z uwagi na potencjalnie dużą rolę w reprodukcji niektórych gatunków ryb (np. śledź, skarp,

”›„›œ”‘†œƒŒ— ‘„‹‹†ƒ‡ȌǤ



Zespół ryb otwartego morza

Obejmuje niewymienione wcześniej . Z uwagi na gradient zasolenia zauważaŽƒŒ‡•–

zmienność składu gatunkowego ichtiofauny z zachodu (częste obserwacje ryb migrujących z

zachodniego Bałtyku) na wschód. Obserwuje się także różnice w rozmiarach ryb tych samych

gatunków łowionych masowo (np. storni). Z uwagi na powyższe rozróżniono część zachodnią



ͷͺ

ȋ‘„‡Œmującą kwadraty statystyczne wedłu‰ICES 24 i 25) oraz wschodnią (kwadrat statystyczny

™edłu‰ ʹ͸ȌǤ



Siedliska bentosowe



Mapa EUSeaMap z rozmieszczeniem ogólnych typów siedlisk bentosowych w Morzu

Bałtyckim, powstała w ramach pr‘Œ‡–—‡–ȋ—”‘’‡ƒƒ”‹‡„•‡”˜ƒ–‹‘ƒ–ƒ‡–™‘”Ǣ

™™™Ǥ‡‘†‡–Ǧseabedhabitats.eu) sfinansowanego przez European Commission’s DirectorateǦ

General for Maritime Affairs and Fisheries (DG MARE), który realizowano w latach 2009ǦʹͲͳ͵ȋ 

‡–ƒ’ ’”‘Œ‡–—Ȍ ‘”ƒœ ™ Žƒ–ƒ Š ʹͲͳ͵Ǧ2016 (II etap projektu) w oparciu o dane z badań

środowiskowych, jak i na podstawie modelowych map rozmieszczenia siedlisk. Mapa powstała z

potrzeby wypełnienia wymogów europejskich dyrektyw, takich jak RDSM, ale także w ramach

’”‘Œ‡–— ‘”‹œ‘ʹͲʹͲȋ™”ƒƒ Š ‡–ƒ’—’”‘Œ‡–—œƒŽƒ–ƒʹͲͳ͹ǦʹͲʹͲȌǤ‡–‘†ƒœƒ•–‘•‘™ƒƒ™

opracowaniu mapy oraz jej wiarygodność zostały przedstawione w raporcie technicznym

(Populus i in. 2017), natomiast ogólne typy siedlisk zgodne z RDSM wymieniono w aneksie do

”ƒ’‘”–—–‡ Š‹ œ‡‰‘ȋƒ ƒ‹‹ǤʹͲͳ͹ȌǤ›‹‡‹‘‡ogólne typy siedlisk oceniane są w ramach

•‹‡†Ž‹•„‡–‘•‘™› Šœ‰‘†‹‡œ™›‘‰ƒ‹†‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺƒ’‘†•–ƒ™‹‡Žƒ•›ˆ‹ƒ Œ‹•‹‡†Ž‹•

  ȋƒ‰Ǥ European Union Nature Information SystemȌ ™•ƒœƒ‡Œ ™ †‡ ›œŒ‹ ʹͲͳ͹ȀͺͶͺǡ

œ‘†›ˆ‹‘™ƒ‡Œ ƒ ’‘–”œ‡„›  ȋ˜ƒ• ‹ ‹Ǥ ʹͲͳ͸ȌǤ Klasyfikacja ta powstała z inicjatywy

Europejskiej Agencji Środowiska (EEA, ang. European Environment AgencyȌ‹™–›’”œ›’ƒ†—

odnosi się do 3. i 4. poziomu, a więc charakterystyki abiotycznej środowiska: typ substratu dna

morskiego w podziale na strefę litoralną icircalitoralną wraz ze związanymi z nimi zespołami

organizmów (makrozoobentos, makrofity). Zgodnie z definicją zastosowaną w opracowaniu

˜ƒ•‹‹ǤȋʹͲͳ͸Ȍ•–”‡ˆƒ‹ˆ”ƒŽ‹–‘”ƒŽƒ Šarakteryzuje się wystarczającą ilością światła do wzrostu

roślin naczyniowych, takich jak Zostera spp. oraz zielenic. Zasięg występowania tej strefy

ograniczony jest penetracją światła do 1%. W strefie circalitoralnej nie ma wystarczającej ilości

światła, aby mogły występować w niej rośliny naczyniowe i zielenice, lecz jest odpowiednia dla

brunatnic i krasnorostów. 

ƒ”›•ǤͳǤͶǤͶprzedstawiono ogólne typy siedlisk, natomiast w –ƒ„‡Ž‹ͳǤͶǤͶǤ™›‹‡‹‘‘Œ‡™

obrębie poszczególnych obszarów oceny w POM w kolejności dominacji pod względem

œƒŒ‘™ƒej powierzchni, na których zlokalizowane są reprezentatywne stacje monitoringowe

makrofitów i makrozoobentosu w polskiej strefie Bałtyku. 





ͷͻ

›•ǤͳǤͶǤͶǤ





– 69 –

Poz. 230



Ogólne typy siedlisk EUNIS występujące w POM na ’‘†•–ƒ™‹‡ †ƒ› Š  ™›‘ƒ› Š

™”ƒƒ Š’”‘Œ‡–——”‘’‡ƒ”‹‡„•‡”˜ƒ–‹‘ƒ–ƒ‡–™‘”ȋ‡–Ȍ‡ƒ„‡† ƒ„‹–ƒ–•

ȋ™™™Ǥ‡‘†‡–Ǧ•‡ƒ„‡†Šƒ„‹–ƒ–•Ǥ‡—ȌǤ

͸Ͳ

͹ͳͲǡʹͺ

Zatoka Gdańska

Wewnętrzna

Ujście Dziwny

Ujście Wisły

”œ‡‘’

Ujście Świny

Mierzeja Wiślana

Półwysep Hel

ͺǡͻʹ

Ͷͳǡ͵͵

͹Ͳǡͳͷ

ʹǡ͵ͺ

͸Ͷǡʹ͵

͸ͳ

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

muły strefy circalitoralnej oddalonej od

„”œ‡‰—

‘•ƒ†›‹‡•œƒ‡•–”‡ˆ› ‹” ƒŽ‹–‘”ƒŽ‡Œ

‘††ƒŽ‘‡Œ‘†„”œ‡‰—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

muły infralitoralu

muły infralitoralu

muły infralitoralu

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

muły infralitoralu

muły circalitoralu

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

muły infralitoralu

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

muły circalitoralu

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

‘•ƒ†›‹‡•œƒ‡‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

muły

‘•ƒ†›‹‡•œƒ‡‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

ͳʹͻ͵ǡ͵͹

Ǧ

Ǧ

ʹʹʹǡͷͶ

͹ͷǡͶͺ

ʹ͸ǡ͸͹

ͳͳͶǡͳͳ

ͳͲͲǡ͹ͻ

ʹͳǡ͸ͻ

͵ͷͷǡ͹͸

ʹͶͳǡ͵͹

ͻͶǡͶʹ

ʹǡ͵ͺ

ͶͶǡͺͷ

ͺǡͳ͸

ͺǡͻʹ

Ͷͳǡ͵͵

͹Ͳǡͳͷ

ͳͺ͵͹ǡͳ͸

ͷ

͸

͸

͸

ͷ

͸

͸

ͷ

͸

ͷ

͸

ͷ

Ͷ

ͷ

͸

Ͷ

ͷ

ͷ

Ͷ

͸ͻͲͻǡ͸͸

͵͵ͶͲǡͺ͸

ʹͳ͹ͶǡͶͺ

ʹͶ͵͹ǡͺʹ

ʹ͸Ͳǡ͹͸

͵ͷͲʹǡ͸Ͳ

ͳͲͲͳǡͷ͹

ͺͳͷǡͶͳ

Powierzchnia ogólnego

–›’—•‹‡†Ž‹•ƒȏʹȐǢ

ȋǦ„”ƒ†ƒ› ŠȌ

ͷ

͸

ͷ

͸

ͷ

Ͷ

͸

͸

Kod ogólnego

–›’—•‹‡†Ž‹•ƒ

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•‹

ͳȋƒ”‘ˆ‹–›Ȍ

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Wskaźnik/zespół

organizmów

– 70 –



Ͷ͵ǡͷͻ

ͶͲ͹ǡʹͺ

͵Ͳͳǡ͹Ͷ

ͳͳͳǡͳʹ

Zalew Kamieński

Zalew Szczeciński

Zalew Wiślany

ƒŽ‡™— ‹

ʹͺͷǡͻʹ

ͳ͹͹ͺͶǡͷͷ

ƒ•‡‘”Š‘Ž•‹

muły circalitoralu

muły strefy circalitoralnej oddalonej od

„”œ‡‰—

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

‘•ƒ†›‹‡•œƒ‡•–”‡ˆ› ‹” ƒŽ‹–‘”ƒŽ‡Œ

‘††ƒŽ‘‡Œ‘†„”œ‡‰—

muły strefy circalitoralnej oddalonej od

„”œ‡‰—

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

Ogólny typ siedliska (na podstawie

Žƒ•›ˆ‹ƒ Œ‹ ™edłu‰†‡ ›œŒ‹

ʹͲͳ͹ȀͺͶͺȌ

Monitor Polski

ƒ–‘ƒ— ƒ

Zewnętrzna

ͳͲͺͻ͹ǡ͸ʹ

Basen Gdański

•‹‡†Ž‹•‘„‡–‘•‘™‡

dna miękkiego

‘™‹‡”œ Š‹ƒ

‘„•œƒ”—‘ ‡›

lub głazowiska*

Ž—„†ƒ

‹‡•œƒ‡‰‘ȗ

ȏʹȐ

ʹͳͲͷǡͺ͵

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹

„•œƒ”‘ ‡›

™

 ‡‹ƒ›‡Ž‡‡–

‡‘•›•–‡—

ƒ„‡ŽƒͳǤͶǤͶǤ Ogólne typy siedlisk uwzględnione w ocenie siedlisk bentosowych w POMǤ

Zalew Szczeciński

Zalew Wiślany

ͶͲ͹ǡʹͺ

͵Ͳͳǡ͹Ͷ

Ͷ͵ǡͷͻ

ͳǡͻͻȗ

ʹǡͷ͹ȗ

ͳͳͳǡ͵ȗ

ͳͷ͵ǡ͸͹

ͷͺǡͺ͵

ͻͺǡͷͺ

Ͷ͸ǡͲʹ

͵ͺǡ͹ͺ

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

skały i rafa biogeniczna

‹ˆ”ƒŽ‹–‘”ƒŽ—Ȁ•ƒŽ‹•–‡‹ƒ‹‡‹•–‡†‘

‘”•‹‡

skały i rafa biogeniczna

‹ˆ”ƒŽ‹–‘”ƒŽ—Ȁ•ƒŽ‹•–‡‹ƒ‹‡‹•–‡†‘

‘”•‹‡

skały i rafa biogeniczna infralitoralu oraz

‘•ƒ†›‹‡•œƒ‡‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹ ‹” ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

‘•ƒ†›‰”—„‘œ‹ƒ”‹•–‡‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—

ͳͶͲǡͻͻ

ͳ͹ǡͶ͵

muły infralitoralu

Ogólny typ siedliska (na podstawie

Žƒ•›ˆ‹ƒ Œ‹ ™edłu‰†‡ ›œŒ‹

ʹͲͳ͹ȀͺͶͺȌ

‘™‹‡”œ Š‹ƒ

‘„•œƒ”—‘ ‡›

lub głazowiska*

Ž—„†ƒ

‹‡•œƒ‡‰‘ȗ

ȏʹȐ

Ͳǡͳ͵

ͷ

ͷ

ͷ

ͳǡͶ

ͳ

ͳ

ͷ

ͷ

ͷ

ͷ

ͷ

͵

ͷ

ͷ

ͷ

͸

Kod ogólnego

–›’—•‹‡†Ž‹•ƒ

͸ʹ

Ǧ

ͷʹǡͷͷ

Ǧ

Ǧ

Ǧ

Ǧ

ʹͲǡ͵͹

ͳͷ͵ǡ͸͹

͵ͲǡͶ͸

ͻͺǡͷͺ

ʹǡͲͷ

Ͷ͸ǡͲʹ

͵ʹǡͶͷ

ͳͶͲǡͻͻ

ͳ͹ǡͶ͵

Ͳǡͳ͵

Powierzchnia ogólnego

–›’—•‹‡†Ž‹•ƒȏʹȐǢ

ȋǦ„”ƒ†ƒ› ŠȌ

 œȀƒ”‘ˆ‹–›

 œȀƒ”‘ˆ‹–›

 œȀƒ”‘ˆ‹–›

ͳȀƒ”‘ˆ‹–›

ͳȀƒ”‘ˆ‹–›

ͳȀƒ”‘ˆ‹–›

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Ȁƒ”‘œ‘‘„‡–‘•

Wskaźnik/zespół

organizmów

– 71 –



ȗznacza powierzchnię głazowiska lub powierzchnię dna mieszanego (powierzchnie te są mniejsze od powierzchni ocenianego akwenu)Ǥ



•‹‡†Ž‹•‘„‡–‘•‘™‡

makrofitów w

œƒŽ‡™ƒ Š

•‹‡†Ž‹•‘„‡–‘•‘™‡

†ƒ‹‡•œƒ‡‰‘

ƒ•‡‘”Š‘Ž•‹

–głazowisko

Ławicy Słupskiej

‘™›ǦJarosławiec

Wschód –

głazowisko Rowy

ƒ–‘ƒ— ƒ

Zewnętrzna (wody

przybrzeżne Klifu

Orłowskiego)

Zalew Kamieński

‘™›ǦJarosławiec

Wschód

JarosławiecǦ

ƒ”„‹‘™‘

ƒ”„‹‘™‘Ǧœ‹™ƒ

œ‹™ƒǦŚwina

‘”–

Władysławowo

WładysławowoǦ

Jastrzębia Góra

Jastrzębia GóraǦ

‘™›

‘™›ǦJarosławiec

Zachód

„•œƒ”‘ ‡›

™

Monitor Polski

•‹‡†Ž‹•‘„‡–‘•‘™‡

†ƒ–™ƒ”†‡‰‘

 ‡‹ƒ›‡Ž‡‡–

‡‘•›•–‡—

Poniżej przedstawiono opis elementów biotycznych tworzących siedliska bentosowe

‹wykorzystanych do oceny stanu środowiska: makrofitów oraz organizmów bezkręgowych.

W granicach POM makrofity występują na dwóch obszarach dna twardego: głazowiska

Ławicy Słupskiej i głazowiska Rowy (–ƒ„‡ŽƒͳǤͶǤͶ), zajmujących łącznie 113,874 kmʹǡ ‘•–ƒ‘™‹

Ͷǡ͵͹Ψ’‘™‹‡”œ Š‹ȋ”›•ǤͳǤͶǤͷȌǡƒ†‹‡‹‡•œƒ›ȋ’‹ƒ•œ œ›•–‘Ǧƒ‹‡‹•–›Ȍ™™‘†ƒ Š

przybrzeżnych klifu orłowskiego w Gdyni (Zatoka Pucka Zewnętrzna), a także na dnie miękkim

™ƒ–‘ ‡— ‹‡Œ‹™œƒŽ‡™ƒ ŠǤ



›•ǤͳǤͶǤͷǤ

Lokalizacja siedlisk dna twardego: głazowisko Ławicy Słupskiej i głazowisko Rowy oraz

siedliska dna mieszanego w rejonie Klifu Orłowskiego, występujące w POMǤ

Głazowisko Ławicy Słupskiej obejmuje północnoǦzachodnią część Ławicy Słupskiej

(współrzędne geograficzne punktu środkowego stanowiska 54°58,271’N; 16°35,126’E),

zlokalizowaną w zakresie głębokości 8Ǧ20 m, około 46 km na północ od miejscowości nadbrzeżnej

•–ƒȋ”›•ǤͳǤͶǤ͸). Powierzchnia głazowiska wynosi 111,3 kmʹi stanowi 14% powierzchni całego

‘„•œƒ”— Š”‘‹‘‡‰‘ ƒ–—”ƒ ʹͲͲͲ – Ławica Słupska PLC990001. Rzeźba dna jest bardzo

urozmaicona, wyróżniająca obszar głazowiska spośród innych rejonów południowego Bałtyku.

Charakterystycznym elementem morfologicznym są ciągi wzniesień zbudowane przeważnie z

bloków skalnych i głazów, odpornych na erozję (KrukǦDowgiałło i in. 2011). Twarde dno oraz

stosunkowo duża przezroczystość wody stwarzają dogodne warunki rozwoju różnorodnych

gatunkowo zespołów bentosowych, wśród których występują cenne przyrodniczo w ekosystemie

‘”•‹–œ™Ǥ‰ƒ–—‹•‹‡†Ž‹•‘–wórcze (Andrulewicz i in. 2004, Brzeska 2009, KrukǦDowgiałło i

in. 2011). Należą do nich gatunki krasnorostów: Furcellaria lumbricalisǡ Ceramium diaphanum

(objęte ochroną gatunkową) i Polysiphonia fucoides oraz małże Mytilus trossulusǤ  ™‹‡Ž—

miejscach głazowiska Ławicy Słupskiej rozwijają się gatunki makroglonów rzadkie nie tylko w

ǡ ’Ǥ Coccotylus truncatusǡ Desmarestia viridisǡ Rhodomela confervoides, ale także w skali

całego Bałtyku Właściwego, np. Delesseria sanguinea ȋ”—ǦDowgiałło i in. 2011, da‡ œ

Państwowego Monitoringu Środowiska 2008ǦʹͲͳ͹ȌǤ

Głazowisko Rowy usytuowane jest w strefie przybrzeżnej środkowego wybrzeża Polski, na

głębokości od 2 do 18 m, około 1,5 km na północ od miejscowości Rowy (współrzędne

geograficzne punktu środkowego stanowiska 54°40,900’N; 17°02,810’E) (”›•Ǥ ͳǤͶǤͷȌǤ

Obowiązująca mapa –‡ƒƒ’ȋ”›•ǤͳǤͶǤͶ) nie zawiera informacji o lokalizacji głazowiska Rowy,

które zidentyfikowano w POM po raz pierwszy w 1997 r. (KrukǦDowgiałło 2000). W‘Ž‡Œ› Š



͸͵

latach badano kompleksowo zespoły organizmów be–‘•‘™› Š ƒ †‹‡ –™ƒ”†› ȋ•‘™‹‡ ‹‹

”—ǦDowgiałło 2006, KrukǦDowgiałło i in. 2008, Brzeska 2009, Barańska i in. 2016), a w 2010 rǤ

makroglony głazowiska objęto regularnymi badaniami w ramach Państwowego Monitoringu

Środowiska (Państwowy Monitoring Środ‘™‹•ƒ ʹͲͳͲǦ2017). Głazowisko Rowy leży w

sąsiedztwie Słowińskiego Parku Narodowego i objęte jest ochroną w ramach sieci Natura 2000 w

formie obszaru PLH220023 Ostoja Słowińska (SDF obszaru PLH220023) i obszaru PLB990002

Przybrzeżne wody Bałtyku (SDF obsza”— ͻͻͲͲͲʹȌǤ ‹‡†Ž‹•‘ •–ƒ‘™‹ ‘„•œƒ” ’Žƒ–ˆ‘”›

abrazyjnej z licznymi głazami i polami otoczaków tworzącymi zwarty bruk abrazyjny. Na jego

powierzchni rozwijają się bogate gatunkowo i obfite ilościowo zespoły organizmów bentosowych.

Dominują gatunki krasnorostów, takie jak Polysiphonia fucoides ‹ Furcellaria lumbricalisǡ

sporadycznie występują gatunki rzadkie wǡ –ƒ‹‡ Œƒ „”—ƒ–‹ ƒ Sphacelaria cirrosa ‹

”ƒ•‘”‘•–Ceramium tenuicorneȋ•‘™‹‡ ‹‹”—ǦDowgiałło 2006, KrukǦDowgiałło i in. 2008,

”œ‡•a 2009, Państwowy Monitoring Środowiska 2010ǦʹͲͳ͹ȌǤ

W POM, wśród rozległych rejonów dna miękkiego występuje zaledwie kilka miejsc

porośniętych roślinami naczyniowymi. Należy do nich m. in. Zatoka Pucka. Rejon Zatoki Puckiej,

a szczególnie jej wewnętrzna część (Zalew Pucki) oraz strefy przybrzeżne części zewnętrznej

(Zatoka Pucka Zewnętrzna), uznawany jest za unikalny pod względem przyrodniczym obszar w

polskiej strefie Bałtyku, przede wszystkim ze względu na rozległość łąk podwodnych

‹różnorodność gatunków makrofitów (KrukǦDowgiałło i Brzeska 2009). Oprócz największej

liczby gatunków chronionych (8), występują tutaj licznie gatunki rzadkie (6). Zatoka Pucka jest

Œ‡†››”‡Œ‘‡™, w którym notowane są objęte ochroną ramienice: ramienica bałtycka

Chara balticaǡ”‘œ•‘ Šƒ‘”•ƒTolypella nidificai krynicznik włosowaty Nitella capillaris, a także

rośliny naczyniowe, które na piaszczystych obszarach dna tworzą jednoǦǡ†™—Ǧlub trójgatunkowe

łąki podwodne. Najcenniejszym i jednocześnie najbardziej zagrożonym składnikiem łąk

’‘†™‘†› ŠŒ‡•––”ƒ™ƒ‘”•ƒZostera marina, objęta ścisłą ochroną. 

Wyjątkowy pod względem przyrodniczym jest rejon kamienistoǦ’‹ƒ•œ œ›•–‡‰‘ †ƒ

™wodach przybrzeżnych u podnóża klifu orłowskiego w Zatoce Pukciej Zewnętrznej,

kontrolowany w ramach Państwowego Monitoringu Środowiska od 2002 rǤ, a nieuwzględniony

na obowiązującej mapie –‡ƒƒ’ȋ”›•ǤͳǤͶǤͶȌǤWśród osadów występują tutaj piaski średnioǦ‹

gruboziarniste oraz rozporoszone na dnie liczne kamienie i głazy (Uścinowicz iƒ Š‘™‹ œͳͻͻʹǡ

Osowiecki i Żmudziński 2000), nie tworzące rozległych i zwartych struktur kamienistych, tak jak

w przypadku głazowiska Rowy czy głazowiska ŁawicySłupskiej. WŽƒ•›ˆ‹ƒ Œ‹ œƒ™ƒ”–‡Œ™

†ecyzji 2017/848 nie istnieje siedlisko cechujące się tego typu osadami. Jest ono wymienione

natomiast w klasyfikacji siedlisk bałtyckich (HELCOM 2013f) i wskazuje, że obszary cechujące się

różnorodnością typów osadu, przy braku zdecydowanej dominacji jednego z nich, zaliczane są do

rejonów dna mieszanego (Baltic photic mixed substrate). W wodach przybrzeżnych klifu

orłowskiego znajduje się również siedlisko: skały i rafa biogeniczna infralitoralu, tworzone przez

sztuczne podłoże – progi podwodne, stanowiące doskonały substrat, na którym rozwijają się

obficie makroglony oraz fauna poroślowa (”—ǦDowgiałło i in. 2009). Rejon wód przybrzeżnych

klifiu orłowskiego jest jedynym miejscem w Zatoce Puckiej, w którym ziden–›ˆ‹‘™ƒ‘

•–ƒ‘™‹•‘ ’”œ›–™‹‡”†œ‘‡Œ ˆ‘”› Š”‘‹‘‡‰‘ ”ƒ•‘”‘•–— ™‹†Ž‹ƒ Furcellaria lumbricalisǡ

”œƒ†‹‡™‰ƒ–—‹„”—ƒ–‹ Sphacelaria cirrosaǡProtohalopteris radicans‘”ƒœ„ƒ”†œ‘”œƒ†‹

‰ƒ–—‡”ƒ•‘”‘•–—Ceramium virgatum. Kamienie i głazy obficie porastają zielenice z rodzaju

Ž˜ƒ ‹ Žƒ†‘’Š‘”ƒ ‘”ƒœ ”ƒ•‘”‘•– Polysiphonia fucoidesǤ ƒ †‹‡ ’‹ƒ•œ œ›•–› ƒ–‘‹ƒ•–

występują łąki podwodne, tworzone głównie przez objęty ochroną gatunkek Zostera marina

ȋ•‘™‹‡ ‹ ‹Żmudziński ʹͲͲͲǡ ”—ǦDowgiałło i in. 2009, Państwowy Monitoring Środowiska

ʹͲͲʹǦʹͲͳ͹ȌǤ

Roślinność podwodna występująca na dnie miękkim notowana jest także w ƒŽ‡™‹‡

Wiślanym, Zalewie Szczecińskim ‹ƒŽ‡™‹‡Kamieńskim. Generalnie jest ‘ƒsłabo rozwinięta ze

względu na słabą przezroczystość wody (od 0,4 do 1 m) i silne falowanie (ZalewskaǦGałoszʹͲͳͲȌǤ

Większość obszaru dna Zalewu Wiślanego zajmują osady mulistoǦilaste w centralnej części,

natomiast w strefie przybrzeżnej przeważają osady piaszczyste, zwłaszcza we wscŠ‘†‹‡Œǡ

brzeżnej partii zalewu oraz przy brzegu południowym –Wysoczyzny Elbląskiej oraz przy brzegu

północnym –Mierzei Wiślanej (”›•ǤͳǤͶǤͶ., Olenycz i Barańska 2014). Również dno w przybrzeżnej



͸Ͷ

strefie Zalewów: Szczecińskiego i Kamieńskiego jest piaszczyste, natomiast wgłębszych rejonach

– muliste (Ławicki i in. 2012). Brzegi zalewów porastają zbiorowiska roślinności naczyniowej

charakterystyczne dla zbiorników słodkowodnych. W pasie roślin wynurzonych dominuje

roślinność szuwarowa wykształcona w postaci rozległych i zwartych fitocenoz. Najczęstszymi jej

elementami są szuwary trzcinowe (zespół Phragmitetum australisȌ ‹oczeretowe (zespół

Scirpetum lacustrisȌǡ ”‘œ’‘wszechnione są także inne zbiorowiska ze związku Phragmitionǡ

ƒtakże fitocenozy ze związku Magnocaricion. W bardziej zacisznych miejscach osłoniętych przed

falowaniem dogodne warunki rozwojowe znajdują zbiorowiska nymfeidów reprezentowane m.in.

przez grążel żółty Nuphar lutea, grzybienie białe Nymphaea alba, a także grzybieńczyk wodny

Limnanthemum nymphoides. Rośliny te tworzą własne fitocenozy i stanowią także element

fitocenoz szuwarowych. Wśród roślin zanurzonych dominują takie gatunki jak rdestnice

‘–amogeton sp., wywłócznik kłosowy Myriophyllum spicatum œ› ”‘‰ƒ–‡ •œ–›™›

Ceratophyllum demersum. Znacznie rzadszym elementem roślinności w zalewach są ramienice

Characeae i tworzone przez nie fitocenozy (tzw. „łąki ramienicowe”), (Nagengast i Warzocha

ʹͲ04). W Zalewie Wiślanym obserwuje się wpływ zasolenia, czego konsekwencją jest największy,

w porównaniu do innych zalewów, udział gatunków słonawowodnych (ZalewskaǦGałosz 2010)

niewystępujących w Zalewie Szczecińskim i Kamieńskim ȋƒ‰‡‰ƒ•–‹ƒ”œ‘ ŠƒʹͲͲͶȌǤ

Siedlisko bentosowe na dnie miękkim wód otwartych, przybrzeżnych i przejściowych

™POM reprezentowane jest również przez makrozoobentos, który jest powszechnie—œƒ™ƒ›

za dobry wskaźnik oceny stanu jakości zbiorników wodnych

ȋ‘•‡„‡”‰ ‹ ‘‘ ͳͻͺͺǡ ‘•‡„‡”‰ ‹ ‹Ǥ ͳͻͻʹǡ ‹ƒœ ‹ ‘•‡„‡”‰

1995). Makrozoobentos tworzy zespół zwierząt bezkręgowych o

rozmiarach powyżej 1 mm. W jego skład wchodzą organizmy

żyjące na powierzchni osadów dennych (epifauna), jak i w głębi

osadu (infauna). W większości są to gatunki osiadłe o długim

(przynamniej

rocznym)

cyklu

życiowym.

Charakter

ƒ”‘œ‘‘„‡–‘•—ǡ –ŒǤ Œ‡‰‘ •ład taksonomiczny, liczebność

‹biomasę kształtują przede wszystkim œ›‹‹ ˆ‹œ› œ‘Ǧ

chemiczne środowiska morskiego. Do najważniejszych czynników

naturalnych zaliczyć należy zasolenie, zawartość tlenu

™warstwie wody nad dnem oraz rodzaj osadów dennych. 

ƒ•‘Ž‡‹‡™mieści się w dolnej strefie przedziału wód

‡œ‘ŠƒŽ‹‘™› Š ‹ ™›‘•‹ ͹–ͻ ȏ’”ƒ–› œ› Š Œ‡†‘•–‡ œƒ•‘Ž‡‹ƒ ™edług PSS’78] w warstwie

wody nad halokliną oraz powyżej 13 w warstwie przydennej głębi południowobałtyckich.

Większość bezkręgowców dennych południowego Bałtyku to gatunki euryhalinowe odznaczające

•‹ę dużą tolerancją na zmiany zasolenia. Najbardziej odporny pod tym względem jest rogowiec

bałtycki (Limecola balthica), który zasiedla prawie cały obszar Bałtyku. Wąskim zakresem

tolerancji odznaczają się tzw. gatunki reliktowe preferujące wyższe zasolenie i zasiedlające

głębsze i zimniejsze obszary dna: małże astarta północna Astarte borealis ‹ƒ•–ƒ”–ƒœƒ Š‘†‹ƒA.

elliptica, skorupiak podwój wielki Saduria entomon, ‘”ƒœ ’”‹ƒ’—Ž‹†› Priapulus caudatus ‹

Halicryptus spinulosus. Organizmy preferujące niskie zasolenie (np. ślimaki z rodziny Hydrobiidae,

”‘œ†‡’ƒ”œ‡ œƒTheodoxus fluviatilis, błotniarka jajowata Radix labiataoraz kiełże Gammarus

duebeni‹G. zaddachi) zasiedlają najczęściej rejony ujść rzecznych iœƒŽ‡™›Ǥ

ƒ•› ‡‹‡ –Ž‡‡ ’”œ›†‡‡Œ ™ƒ”•–™› ™ody jest istotnym czynnikiem limitującym

występowanie makrozoobentosu. W strefie dna płytkiego (0–ʹͷ Ȍ ˆƒŽ‘™ƒ‹‡ǡ ’”œ›†‡‡

‹powierzchniowe prądy wody oraz mieszanie pionowe powodują, że woda nad dnem i osady są

dobrze nasycone tlenem. Na dnie głębszym, poniżej halokliny (50–͹ͲȌǡ–‡’‡”ƒ–—”ƒ™‘†›Œ‡•–

niższa niż w warstwie powierzchniowej, zaś zasolenie i gęstość wody są większe. Ponieważ

mieszanie się przydennych mas wody z dobrze natlenionymi wodami powierzchniowymi jest

utrudnione, jedynym źródłem tlenu nad dnem są wlewy natlenionej, słonej wody z Morza

Północnego. Jednak w wyniku procesu mineralizacji materii organicznej (obumarłego planktonu)

opadającej z warstwy prześwietlonej (eufotycznej) dochodzi z czasem do wyczerpania tlenu

”‘œ’—•œ œ‘‡‰‘ ™ ™‘dzie (Feistel i in. 2008). W wyniku beztlenowego rozkładu materii

organicznej wytwarzany jest toksyczny siarkowodór. Niedostatek tlenu (hipoksja) lub jego brak



͸ͷ

(anoksja) dotyczy przede wszystkim rejonów głębi południowobałtyckich znajdujących się w

‰”ƒ‹ ƒ Š–Gdańskiej, Bornholmskiej oraz w mniejszym stopniu południowego stoku Głębi

Gotlandzkiej. Muliste dno tych głębi i rejonów dna poniżej halokliny pozbawione jest najczęściej

życia makroskopowego. Po wlewach, do czasu wyczerpania tlenu, zasiedlają je ƒŒ„ƒ”†œ‹‡Œ

odporne na jego deficyt, oportunistyczne gatunki wieloszczetów skoloplos Scoloplos armiger ‹

złotorunka bałtycka Bylgides sarsi oraz na wpół pelagiczny skorupiak – podwój wielki Saduria

entomonǤ

Dynamika wód jest czynnikiem kształtującym zoocenozy denne w strefie przybrzeżnej

otwartego morza. Intensywne prądy wody w tej strefie nie sprzyjają masowej kolonizacji

makrozoobentosu. Fauna denna jest uboga pod względem jakościowym i ilościowym. Typowym

przedstawicielem makrozoobentosu zasiedlającym przemieszczane prądami ławice piasku jest

†”‘„›•‘”—’‹ƒBathyporeia pilosaǤ

Rodzaj osadu w głównej mierze kształtuje strukturę gatunkową makrozoobentosu.

granicach POM, w zależności od miejsca i głębokości, występują iły i muły, piaski, żwiry oraz

Žokalnie skupiska kamieni. Dno płytszych rejonów w pobliżu południowych brzegów oraz

południowobałtyckich ławic – Pomorskiej, częściowo Słupskiej i Środkowej ma charakter

piaszczysty. W głębszych miejscach występują miękkie muły. Na pograniczu piasków i mułów (od

20 do 70 m) występuje cała gama osadów przejściowych, od piasków ilastych do zapiaszczonych

mułów. Miejscami występują skupiska kamieni, bądź też zalega glina ze żwirem. Dno muliste,

zwłaszcza w osłoniętych zatokach i obszarach przyujściowych rzek, zasobne jest w rozdrobnioną

i częściowo rozłożoną materię roślinną zwaną detrytusem. 

Każdy rodzaj osadu dna morskiego zasiedla charakterystyczny dla niego zespół

organizmów bezkręgowych. Typowymi mieszkańcami płytkiego dna piaszczystego są: drobny

•‘”—’‹ƒ „ƒ–›’‘”‡Œƒ Bathyporeia pilosaǡ ™‹‡Ž‘•œ œ‡– ’›‰‘•’‹‘ Pygospio elegans oraz małż Ǧ

sercówka Cerastoderma glaucum. Wraz ze wzrostem głębokości oraz koncentracji materii

organicznej w osadach rośnie udział gatunków preferujących dno piaszczystoǦmuliste: małży

rogowiec bałtycki Limecola balthica i małgiew piaskołaz Mya arenaria, skorupiaków z rodzaju

Corophium i pośródka pospolitego Diastylis rathkei. Dno kamieniste zasiedlają gatunki trwale

przytwierdzone do powierzchni kamieni: omułek Mytilus trossulus, pąkŽƒ Amphibalanus

improvisus i siatecznik bałtycki Einhornia crustulenta. Gatunki te zaliczane są do grupy tzw.

gatunków siedliskotwórczych, gdyż tworzą siedliska dla innych gatunków, np.: kiełży, ślimaków

i wypławków. Makrozoobentos stwierdzony w rejonie głazowiska Rowy, na tle innych badań

prowadzonych w strefie przybrzeżnej otwartego wybrzeża polskiego Bałtyku, uznać należy za

wyjątkowo bogaty pod względem różnorodności taksonomicznej oraz jego obfitości. Stwierdzono

tam występowanie 23 gatunków oraz nieoznaczone do gatunku osobniki reprezentujące gromady

Ž‹‰‘ Šƒ‡–ƒ‹‡‡”–‹‡ƒȋ•‘™‹‡ ‹‹”—ǦDowgiałło 2006).



W historii badań zoobentosu Południowego Bałtyku wykonano zaledwie kilka projektów

„ƒ†ƒ™ œ› Š™wyniku, którychprzedstawiono rozkład powierzchniowy dominujących gatunków

i zespołów zoobentosu. Do ważniejszych zaliczyć należy wyniki badań przeprowadzonych w

Žƒ–ƒ ŠͳͻͶͺ–1954 na 272 stacjach badawczych (Demel i Mańkowski 1951, Demel i Mulicki 1954).

W ich wyniku powstały mapy rozmieszczenia gatunków dominujących irozkładu biomasy

ƒ”‘œ‘‘„‡–‘•—ǤŽƒ–ƒ Šͳͻͷ͸–1957 Mulicki i Żmudziński (1969) badając ponownie rozkład

biomasy makrozoobentosu stwierdzili po raz pierwszy obecność dużych powierzchniowo „pustyń

bentosowych” (obszarów azoicznych) w rejonie Głębi Bornholmskiej iGłębi Gdańskiej. Stan

deficytu lub braku tlenu na dnie południowobałtyckich głębi utrzymuje się do chwili obecnej.

Badania makrozoobentosu obejmujące swym zakresem obszar POM przeprowadził w latach

ͳͻ͹ͺ–ͳͻͺ͵ ƒ”œ‘ Šƒ ȋͳͻͻͷȌǤ —–‘” przedstawił opis struktury iklasyfikację zespołów

makrofauny dennej i na tej podstawie wyszczególnił pięć dominujących zespołów fauny dennej:



ͳȌ Macoma (Limecola) balthica – Mya arenaria–zespół dna piaszczystego występujący do

głębokości 20 m w Zatoce Pomorskiej i do 25 m w rejonie morza otwartego, w którego



͸͸

skład wchodzą 22 taksonyǢ ’od względem liczebności dominują ślimaki z rodziny

›†”‘„‹‹†ƒ‡‹Pygospio elegansǡpod względem biomasy–małżeǢ

ʹȌ Mytilus edulisȋtrossulusȌ–Gammarus salinus–zespół dna kamienistego Ławicy Słupskiej

na głębokości 14ǦʹͲ, w któregoskład wchodzi 18 taksonów (w tym 11 należących do

skorupiaków) zasiedlających głazowisko pokryte glonamiǢœespół ten występuje również

na dnie u podnóża aktywnych klifów oraz płytkowodnych głazowisk otwartego wybrzeżaǢ

͵Ȍ Macoma (Limecola) balthica – Mesidotea (Saduria) entomon – zespół sięgający do

głębokości halokliny (50Ǧ60 m w Basenie Bornholmskim i zachodniej części Rynny

łupskiej, 70 m we wschodniej części Rynny Słupskiej, 80 m w Basenie Gdańskim iƒ•‡‹‡

‘–Žƒ†œ‹), w któregoskład wchodzi 12Ǧ20 taksonów na stokach Rynny Słupskiej i 14

w Zatoce GdańskiejǢ’od względem biomasy dominuje Macoma (Limecola) balthicaǢ

ͶȌ Astarte borealis –Astarte eliptica–zespół zasiedlający gliniastoǦ’‹ƒ•œ œ›•–‘Ǧżwirowe dno

Rynny Słupskiej na głębokości 60–ͻͲ, w któregoskład wchodzi 20 taksonówǢ†ominują

Astarte•’’ǤǡSaduria entomonǡScoloplos armiger‹Terebellides stroemiǢ

ͷȌ Scoloplos armiger – Macoma (Limecola) balthica –zespół zasiedlający mulisty południowy

stok Basenu Bornholmskiego (poniżej 40–60 m), stoki Basenu Gdańskiego (poniżej 75 m)

i Gotlandzkiego (poniżej 80 m)ǡ ™ skład którego wchodzi 11 taksonów, głownie

wieloszczetówǢ†‘‹—Œ‡Scoloplos armigerǤ

Siedliska pelagiczne



Wody otwartych akwenów morskich stanowią główne siedlisko, gdzie odbywa się

podstawowa produkcja pierwotna, dająca podstawę piramidzie troficznej. Mikroskopijne

organizmy fitoplanktonowe zabezpieczają rozwój zooplanktonu, który z kolei jest bazą

pokarmową dla ryb, a przynajmniej na jakimś etapie ich życia. ŠŽ‘”‘ˆ‹ŽǦƒ Œ‡•– ’‘™•œ‡ Š‹‡

stosowanym aproksymatorem biomasy fitoplanktonu, z uwagi na łatwość analizy i pomiaru

zawartości w środowisku wodnymǡƒŒ‡‰‘oncentracja jest silnie zależna od stężeń substancji

„‹‘‰‡› Š ™ ‘”œ— ȋ Ž‡‹‰ǦLehtinen i in. 2008, ŁysiakǦPastuszak i in. 2009), a więc silnie

powiązana z presją antropogeniczną w postaci ładunków tych substancji dopływających z lądu

‹ƒ–‘•ˆ‡”› ȋ  ʹͲͲͻȌǤ ŠŽ‘”‘ˆ‹ŽǦa reprezentuje ogólną miarę poziomu produktywności

ekosystemu, charakteryzując wahania biomasy fitoplanktonu. 

Obserwowane na powierzchni morza zakwity sinic (Cyanophyceae) asymilujących azot

atmosferyczny są zjawiskiem naturalnym, jednak ™ ™›‹— ‡—–”‘ˆ‹œƒ Œ‹ ™ ™‹‡Ž— ”‡‰‹‘ƒ Š

Bałtyku stały się bardziej intensywne i pojawiają się z większą częstością, szczególnie od końca

Žƒ–ͺͲǦtych XX w. (Mazur i Pliński 2003ǡƒœ—”Ǧƒ”œ‡ ‹‹ǤʹͲͳʹǡƒŠ”—‹Ž‰”‡ʹͲͳͶƒȌǤ ‡†›

z głównych komponentów tych zakwitów jest toksyczny gatunek Nodularia spumigenaȋ‡Š”‹‰

1993, Sipiä i in. 2001). N. spumigenai inne gatunki sinic wpływają niekorzystnie na zooplankton

(Sellner i in. 1994, Engström i in. 2000, Sopanen i in. 2009) oraz na inne gatunki fitoplan–‘—

ȋ—‹ƒ‡‹‹ǤʹͲͲͶǡʹͲͲͷȌ, a także na ryby i inne organizmy (Nehring 1993, Sipiä i in. 2001,

ƒœ—”Ǧƒ”œ‡  ‹ ‹Ǥ ʹͲͲ͸ǡ ƒœ—”Ǧƒ”œ‡  ‹ ‹Ǥ ʹͲͳʹȌǤ Kiedy przeważająca część biomasy sinic,

wytworzona podczas zakwitu, opada na dno morza, następuje potencjalnie zwiększenie

niedotlenienia wód naddennych w obszarach głębokowodnych (Conley i in. 2011). Oznacza to, że

masowe zakwity sinic wywierają negatywny wpływ na różnorodność biologiczną zarówno

zbiorowisk pelagicznych, jak i bentosowych. Przyczyną wzrostu intensywności zakwitów sinic

™znacznej mierze jest wzbogacenie środowiska morskiego w substancje odżywcze w wyniku

działalności antropogenicznej, a szczególnie nieproporcjonalny wzrost zawartości fosforu.



͸͹

‹–‘’Žƒ–‘ Œ‡•– ’‘†•–ƒ™‘™› ’”‘†— ‡–‡ ™ ‡‘•ystemach morskich i ważnym

‘’‘‡–‡ ™ •‹‡ ‹ –”‘ˆ‹ œ‡Œ. Skład taksonomiczny fitoplanktonu i jego sukcesja sezonowa

zależą silnie od warunków środowiskowych, takich jak: światło, temperatura, zasolenie, pH,

dwutlenek węgla czy dostępność substancji biog‡‹ œ› Šȋƒ•—†‹‹ǤʹͲͳͳǡŽƒ‹•‹‹ǤʹͲͳͳǡ

Klains i in. 2017). Fitoplankton Morza Bałtyckiego stanowią głównie okrzemki (DiatomophyceaeȌ

‹ „”—œ†‹ ‡ ȋDinophyceae). W ostatnich latach coraz większą liczebność oraz biomasę osiągają

•‹‹ ‡ȋCyanobacteriaȌ–szczególnie w miesiącach letnich, a najmniej znaczącymi grupami pod

względem liczebności, jak i biomasy są planktonowe kryptofity (CryptophyceaeȌ ‘”ƒœ œ‹‡Ž‡‹ ‡

ȋChlorophyceaeȌ ȋŽƒ‹• ‹ ‹Ǥ ʹͲͳͳǡ ƒ•—† ‹ ‹Ǥ ʹͲͳͳȌǤ Lista gatunków fitoplanktonu Mo”œƒ

Bałtyckiego zawiera ponad 2600 pozycji (PEG Biovolume 2017, GIOŚ ʹͲͳͶȌǡœ œ‡‰‘™’‘Ž•‹ Š

wodach występuje około 100 gatunków (GIOŚ ʹͲͳͶȌǤ Wiosną dominują okrzemki z gatunku

Pauliella taeniata czy  Chaetoceros wighamii ‘”ƒœ „”—œ†‹ ‡ Peridiniella catenataǡ Žƒ–‡ •‹‹ ‡

Aphanizomenon flos-aquae ‹ Nodularia spumigena wraz z różnymi kryptofitami, a jesienią

‘”œ‡‹Coscinodiscus granii‹Thalassiosira baltica ‘”ƒœ”›’–‘ˆ‹–Plagioselmis nannoplanctica

ȋ ƒƒ—• ‹ ‹Ǥ ʹͲͳͳǡ Žƒ‹• ‹ ‹Ǥ ʹͲͳͳǡ ʹͲͳ͵ȌǤ ”esy występowania poszczególnych grup

fitoplanktonu związane są z ich wymaganiami środowiskowymi. ›Ž ”‘ œ› ˆ‹–‘’Žƒ–‘—

™ƒ”—‘™ƒ›Œ‡•– stężeniem substancji odżywczych w wodzie, a jego rozkład jest podobny na

całym obszarze Bałtyku (Wasmund i in. 2011, ƒ•—† ʹͲͳ͹ȌǤ ‘† œƒ• ™‹‘•‡‡‰‘ œƒ™‹–—

okrzemki szybko osiągają wysoką biomasę i są dominującym komponentem podczas tzw. nowej

produkcji pierwotnej w ekosystemach morskich (dominują w czasie, gdy woda jest stosunkowo

chłodna, ale bogata w substancje biogeniczne) i stanowią podstawę w łańcuchu troficznym będąc

pokarmem dla mezozooplanktonu. Ten zaś jest bezpośrednim źródłem pożywienia dla wyższych

poziomów. Okrzemki z uwagi na właściwości sedymentacyjne są pokarmem również dla

organizmów bentosowych (Hei•ƒ‡ͳͻͻͺǡ Ž‡‹‰‹ƒ‹–ƒŽƒʹͲͲ͸ǡ‘™ƒ ƒʹͲͳ͹ȌǤ”—œ†‹ ‡

pojawiają się, kiedy temperatura wody jest wyższa, jednak zawierająœƒ œ‹‡‹‡Œ•—„•–ƒ Œ‹

odżywczych (Pastuszak i in. 2016). Latem w Bałtyku dominują sinice. Jesienny zakwit okrzemek

‘”ƒœ „rak produkcji zimowej umożliwia pełne zregenerowanie zapasu substancji odżywczych

™•–”‡ˆ‹‡ ‡—ˆ‘–› œ‡Œ ȋ†”—Ž‡™‹ œ ‹ ‹Ǥ ʹͲͲͺǡ Žƒ‹• ‹ ‹Ǥ ʹͲͳ͵ǡ ƒ•–—•œƒ ‹ ‹Ǥ ʹͲͳ͸ȌǤ ‘

fitoplanktonu zaliczany jest również orzęsek (Ciliophora) Mesodinium rubrumǤ†Žƒ–ͻͲǤ™‹‡—

jego ilość w fitoplanktonie Zatoki Gdańskiej wzrasta (zwłaszcza podczas wiosennych zakwitów

„”—œ†‹ Ȍȋ ƒ•‡‹ ‡ Š‡ŽʹͲͲ͸ǡ‡”›‹‹ǤʹͲͳʹ). Badania składu gatunkowego i„‹‘ƒ•›

fitoplanktonu w Bałtyku Właściwym wskazują w ostatnich latƒ Šƒ•’ƒ†‡„‹‘ƒ•›‘”œ‡‡‹

równoczesny wzrost biomasy bruzdnic w okresie zakwitów (Wasmund i Uhlig 2003). 

W skład mezozooplanktonu wchodzą zwierzęce organizmy pelagiczne o wielkości ciała od

0,2 do 2,0 mm. W POM reprezentują je drobne organizmy zwierzęce całe życie spędzające w toni

wodnej (holoplankton), głównie skorupiaki –

widłonogi (Copepoda) i wioślarki (Cladocera), a

także wrotki (Rotifera) oraz organizmy czasowo

przebywające w toni wodnej (meroplankton), tj.

stadia larwalne ryb, wieloszczetów, wyższych

skorupiaków imięczaków (Telesh i in. 2008). Skład

–ƒ•‘‘‹ œ› ‡œ‘œ‘‘’Žƒ–‘— ™  Œ‡•–

—„‘‰‹ ‹ ™›‹ƒ œ‡ •–‘•—‘™‘ ‹‡™‹‡Ž‹‡‰‘

zasolenia wynoszącego w tej części Bałtyku od około

͹ǡͲ  do około 7,5 PSU. W POM notuje się

œƒœ™› œƒŒ‹Žƒaście gatunków mezozooplanktonu

pojawiających się regularnie, podczas gdy w

południowoǦzachodnim rejonie Bałtyku, gdzie zasolenie wynosi powyżej 10 [PSS’78] ich liczba

wynosi około 30 (Andrulewicz i in. 1998). Większość biomasy mezozooplanktonu tworzą gatu‹

euryhalinowe morskie: widłonogi Temora longicornisǡ –”œ› ‰ƒ–—‹ œ ”‘†œƒŒ—  ƒ”–‹ƒ ‹

Pseudocalanus acuspes oraz wioślarki: Bosmina coregoniǡ Evadne nordmanni ‹ Pleopsis

polyphaemoides. Sezonowo, istotnym składnikiem mezozooplanktonu są także wrotki –Synchaeta

spp. masowo pojawiające się zazwyczaj w maju i Keratellaspp. pojawiające się pod koniec lata

(Wiktor 1990, Andrulewicz i in. 1998). W rejonach ujść dużych rzek i w strefie przybrzeżnej,



͸ͺ

ważnym składnikiem mezozooplanktonu są także euryhalinowe gatunki słodkowodne, np.

słodkowodne wrotki i wioślarki (Chojnacki 1984, Koszteyn 1985, Wiktor 1990). ‘Ž‡Œ›

parametrem środowiska, który ma duże znaczenie w kształtowaniu składu taksonomicznego oraz

ilościowego (liczebność i biomasa) mezozooplanktonu jesttemperatura wody, której sezonowe

wahania wynikają głównie ze zmian temperatury powietrza. Zmiany temperatury wody wpływają

bezpośrednio na skład mezozooplanktonu –w okresie miesięcy zimowych licznie pojawiają się

taksony zimnolubne, takie jak widłonóg Pseudocalanus elongatus ‹ ‘‰‘‹ ƒ Fritillaria borealisǡ

natomiast w lecie licznie pojawiają się ciepłolubne wioślarki, szczególnie Bosmina coregoni

(Mańkowski 1978, Chojnacki 1984). Temperatura wody wpływa na skład mezozooplanktonu

także w sposób pośredni, ponieważ determinuje ona rozwój fitoplanktonu –„ƒœ›’‘ƒ”‘™‡Œ

części mezozooplanktonu. W okresie wiosennym i letnim, kiedy zasoby fitoplanktonu zwiększają

się, wzrasta również liczebność i biomasa żerujących na nim wrotków i wioślarek (Chojnacki

ͳͻͺͶǡ‹ktor 1990). Sezonowe zmiany składu taksonomicznego i ilościowego mezozooplanktonu

są najwyraźniejsze w wodach płytkich, a w obszarach głębokich powyżej warstwy termokliny,

gdzie wahania temperatury są największe. Skład mezozooplanktonu uzależniony jest także od

uwarunkowań lokalnych i zdarzeń epizodycznych. Pierwszy z tych czynników to dopływ wód

słodkich wnoszonych przez rzeki i lokalny spadek zasolenia wód morskich, którego wynikiem jest

obecność w wodach morskich słodkowodnych gatunków mezozooplanktonu, np. wioślarek

‹wrotków. Drugi czynnik to wlewy wód słonych zMorza Północnego przez Cieśniny Duńskie. Ich

zasięg może objawiać się okresowym występowaniem w POM gatunków słonowodnych, takich

ŒƒOithona similis (Krzymiński 2017). 

W składzie mezozooplanktonu w podakwenie Basen Gdański dominują, tak jak

i w pozostałej części , widłonogi, wioślarki, wrotki i meroplankton (dane PMŚ za lata 2011Ǧ

2016). Wśród widłonogów największą liczebnością i biomasą charakteryzują się taksony z

”‘†œƒŒ—  ƒ”–‹ƒ – A. longiremisǡ A. bifilosa ‹ A. tonsa (kolejność począwszy od taksonu

charakteryzującego się najwyższymi wartościami liczebności i biomasy), Pseudocalanus

elongatusǡP. minutus‹Temora longicornis. Poza tymi gatunkami w Basenie Gdańskim występują

”‡‰—Žƒ”‹‡ǡ choć w mniejszych ilościachǡ Eurytemora •’Ǥ ‹  Oithona similis. Wśród wioślarek

najliczniej występują Bosmina coregoni ‹ Evadne nordmanniǤ ‡œ‘‘™‘ǡ ™dużej liczebnościǡ

pojawiają się wrotki z rodzajów Synchaeta ‹ Keratella. Podobnie jak wrotki, w składzi‡

mezozooplanktonu okresowo mogą pojawiać się przedstawiciele meroplanktonu, wśród których

najwięcej notuje się larw małży Bivalvia i wieloszczetów Polychaeta i w mniejszej ilości

wąsonogów Cirripedia oraz ślimaków Gastropoda.

W polskiej strefie Bałtyku rozkład stężeń chlorofiluǦƒ ™ ™‘†œ‹‡ ‘”•‹‡Œ Œ‡•–

nierównomierny. Obserwuje się zdecydowany gradient malejący od lądu, od strefy wód

przejściowych i przybrzeżnych –w kierunku obszarów otwartego morza (ŁysiakǦƒ•–—•œƒ‹‹Ǥ

2009, Kraśniewski i ŁysiakǦƒ•–—szak 2012). Najwyższe stężenia chlorofiluǦa, a więc najwyższe

wartości biomasy fitoplanktonu notowane są w zalewach przymorskich (np. ŁysiakǦƒ•–—•œƒ

2012, ŁysiakǦƒ•–—•œƒ ‹ ‹Ǥ ʹͲͳ͸ȌǤ ‘‹ƒ”› ŠŽ‘”‘ˆ‹Ž—Ǧa w ramach monitoringu wód Bałtyku

wykonywane są w •–”‡ˆ‹‡ ‘–™ƒ”–‡‰‘ ‘”œƒ ‘† ͳͻͻ͵ ”Ǥǡ a w strefie wód przejściowych

‹przybrzeżnych zostały włączone do monitoringu dopiero w 1999 r. wraz z rozpoczęciem w

™‘†ƒ Š ’‘Ž•‹ Š ’”‘‰”ƒ— ‘‹–‘”‹‰— œ‰‘†‡‰‘ œ   Ǥ  Žƒ–ƒ Š ͳͻͻͻǦʹͲͲͷ

•–™‹‡”†œ‘‘ ™œ”‘•– stężeń chlorofiluǦa w miesiącach letnich (czerwiecǦwrzesień) i w kilku

podakwenach w POM wykazano istotne statystycznie trendy zmian zawartości chlorofiluǦƒ‘–‡Œ

porze roku, które utrzymywały się w dłuższym przedziale czasowym, np. w obszarze

• Š‘†‹‡‰‘Basenu Gotlandzkiego (Kraśniewski i in. 2011). 

W dziesięcioleciu 2006Ǧ2015 (ŁysiakǦPastuszak i in. 2016) nie obserwowano już wzrostu

stężeń chlorofiluǦa w wodach morskich w miesiącach letnich w postaci istotnych statystycznie

dodatnich trendów, które ‘–‘™ƒ‘™’‘’”œ‡†‹ ŠŽƒ–ƒ Šǡ™wielu regionach nadal występowały

Œ‡†ƒ tendencje wzrostowe, także w odniesieniu do średnich rocznych stężeń. Generalnie,

średnie stężenia roczne chlorofiluǦa w otwartych wodach Bałtyku wykazują większą stabilność

niż stężenia w okresie lata, na co wpływ mają przede wszystkim warunki meteorologiczne.

Przykładowo, w latach 2002Ǧ2008 w polskiej strefie Bałtyku zanotowano szereg niezwykle

intensywnych zakwitów sinic osiągających np. w sierpniu 2007 r. we Wschodnim Basenie



͸ͻ

‘–Žandzkim biomasę 9741,3͵·mǦ͵, co stanowiło 95,4% całkowitej biomasy fitoplanktonu

(Kraśniewski i in. 2012). 

 ƒ–—ƒŽ‹‡ ‘ ‡‹ƒ› ‘”‡•‹‡ ȋŽƒ–ƒ ʹͲͳͳǦ2016) pomiary zawartości chlorofiluǦƒ

prowadzą do wniosku o pewnej stabilizacji Ǧmimo utrzymujących siętendencji wzrostu stężeń

ŠŽ‘”‘ˆ‹Ž—Ǧa w miesiącach letnichǤzasadzie nie obserwuje się istotnych statystycznie trendów

œ‹ƒǤ  niektórych regionach polskiej strefy Bałtyku, np. w zachodniej części strefy

płytkowodnej środkowego Wybrzeża czy we Wschodni ƒ•‡‹‡ ‘–Žƒ†œ‹ ȋ•–ƒ Œƒ ͳͶͲȌǡ

pojawiły się nawet tendencje spadku stężeń chlorofiluǦa w miesiącach letnich (ŁysiakǦƒ•–—•œƒ

‹‹ǤʹͲͳ͸ȌǤ



1.5.

Gatunki nierodzime w Polskich Obszarach Morskich



‡”‹‡ ‰ƒ–—‡ ‹‡”‘†œ‹› Ž—„ ‘„ ›

ȋƒ‰Ǥ ‘Ǧ‹†‹‰‡‘—• •’‡ ‹‡•ǡ  ǡ ƒŽ‹‡ •’‡ ‹‡•ǡ

‘Ǧnative, allochthonus) określa się gatunek,

podgatunek lub niższy poziom taksonomiczny,

który został wprowadzony poza jego naturalny

zasięg występowania oraz poza jego naturalny

potencjał rozprzestrzeniania. Dotyczy to każdeŒ

formy organizmu, który może przetrwać,

reprodukować się oraz stworzyć populację.

Pojawienie się obcego gatunku w nowym rejonie

zawsze związane jest z zamierzoną bądź

niezamierzoną działalnością człowieka. Naturalne

zmiany zasięgu występowania nie kwalifikują

gatunku, jako obcego. Mogą natomiast pełnić

istotną funkcję ™ †ƒŽ•œ› ”‘œ’”œ‡•–”œ‡‹ƒ‹—

œ‹‡Œ• ƒ‹–”‘†— Œ‹ȋŽ‡‹‹‹ǤǡʹͲͳ͹ȌǤ

Informacje te są bardzo istotne w kontekście uwzględnienia gatunków obcych jako jednego

z istotnych elementów określających dobry stanu środowiska œ‰‘†‹‡œœałącznik‹‡ †‘

ȋ ‡ ŠƒʹȌǤ

Zakwalifikowanie gatunku do kategorii obcego w danym regionie odbywa się ƒ’‘†•–ƒ™‹‡

specjalnych kryteriów, zalecanych przez ekspertów współtworzących bazę AquaNIS. Baza

“—ƒ  –‘ internetowa baza gatunków obcych Europy i przyległych regionów uznana przez

HELCOM. Spełnienie przynajmniej 3Ǧ4 kryteriów pozwala na nadanie danemu gatunkowi statusu

obcego, a najważniejsze z nich to:

ͳȌ ’”œ›„› ‹‡‘™‡‰‘‰ƒ–——Ǣ

ʹȌ œasięg występowania o charakterze nieciągłymǢ

͵Ȍ „ardzo lokalne występowanie w pobliżu znanej drogi wprowadzenia gatunku 

(np. w porcie, marinie, pobliżu instalacji związanych z prowadzeniem akwakultury)Ǣ

ͶȌ agła ekspansja zasięgu występowania gatunku, który dotąd występował bardzo lokalni‡ǡ

ƒjego obecny rozkład występowania byłby niemożliwy do osiągnięcia na drodze

ƒ–—”ƒŽ‡‰‘”‘œ’”‘•œ‡‹ƒǢ

ͷȌ œależność od gatunków nierodzimych (współistniejących z nimi na zasadzie

komensalizmu lub pasożytnictwa)Ǣ

͸Ȍ ‹stnieją genetyczne przesłanki, że gatunek jest przedstawicielem odległej populacjiǢ

͹Ȍ ‰atunek reprezentuje składnik grupy taksonomicznej, która nie jest wcale lub jest słabo

”‡’”‡œ‡–‘™ƒƒƒ†ƒ›‘„•œƒ”œ‡Ǥ















͹Ͳ

Ryby

Spośród gatunków obcej ichtiofauny, spełniających powyższe kryteria i zaobserwowan› Š

™ Žƒ–ƒ Š ʹͲͳͳǦ2016 w strefie przejściowej, przybrzeżnej oraz głębokomorskiej  można

wymienić: 

ͳȌ babkę byczą Neogobius melanostomusi babkę szczupłą Neogobius fluviatilis–™

‘„•‡”™‘™ƒ‡od końca ubiegłego wieku (Skóra i Stolarski 1993, Wandzel, 2003,

‹–‘™•‹‹ ”ƒ„‘™•ƒʹͲͳʹǡ‡Œ‹‹ǤǡʹͲͳ͵ȌǢ

ʹȌ ƒ”’‹ƒCyprinus carpio –‘„•‡”™‘™ƒ›‘†ͳʹͲͲǦͳ͵ͲͲ”Ǥȋ‹–‘™•‹‹ ”ƒ„‘™•ƒǡʹͲͳʹǢ

”ƒ„‘™•ƒǡ‘–—•œǡ‹–‘™•‹ǡʹͲͳͲȌǢ

͵Ȍ ƒ”ƒ•‹ƒ•”‡„”œ›•–‡‰‘Carassius gibelio–‘„•‡”™‘™ƒ›‘†ͳͻ͵ͲǦͳͻ͵͵”Ǥȋ‹–‘™•‹‹

”ƒ„‘™•ƒǡʹͲͳʹȌǢ

ͶȌ •–‡”Ž‡–ƒAcipenser ruthenus –‘„•‡”™‘™ƒ›‘†ͳͻ͵͹”Ǥȋ‹–‘™•‹‹ ”ƒ„‘™•ƒǡʹͲͳʹȌǤ

Powyższe gatunki występują w POM już od bardzo długiego czasu, wykraczając poza okres

ʹͲͳͳǦ2016. Jeden gatunek, który pojawił się w połowach MIRǦ ’”‘™ƒ†œ‘› Š’‘† œƒ•”‡Œ•—

„ƒ†ƒ™ œ‡‰‘–›’— Ǧͳ™Ž—–›ʹͲͳͷ”Ǥ, nie został wymieniony na powyższej liście, ponieważ

był zgłoszony do weryfikacjj przez ekspertów bazy AquaNIS pod kątem identyfikacji

taksonomicznej jak i spełniania kryteriów umożliwiających nadanie mustatusu NIS w Bałtyku.

Istniała rozbieżność zdań czy jest to natywny dla Morza Bałtyckiego gatunek ‘•–”‘„‘ƒ

’‘•’‘Ž‹–‡‰‘ Trachurus trachurus ȋ‹ƒ‡—•ǡ ͳ͹ͷͺȌ œ› ‹‡”‘†œ‹› ‰ƒ–—‡ ƒ”ƒ• Š”‘’‹

ȋ Š”‘’‹ǡ–”œ‘‰‘ Š”‘’ƒ™›ȌCaranx rhonchus ‡‘ˆˆ”‘›ƒ‹–Ǧ ‹Žƒ‹”‡ǡͳͺͳ͹ȋ‘„ƒœtych gatunków

należą do ”‘†œ‹›‘•–”‘„‘‘™ƒ–› Šƒ”ƒ‰‹†ƒ‡Ȍ. Naturalny zasięg występowania chropika sięga

wschodniego Atlantyku (od Maroko do Angoli), włączając w to obszar Morza

Śródziemnomorskiego wzdłuż wybrzeża afrykańskiego. Złowione w 2015 r. to osobniki

młodociane. Biorąc pod uwagę kryteria bazy AquaNIS ryby te jak dotąd spełniają dwa kryteria: (1

‹͹Ȍǡƒ–”œ›‹‡ȋʹǡͶ‹͸Ȍbyły wdalszym ciągu ƒƒŽ‹œ‘™ƒ‡ǤPo ostatecznej weryfikacji okazało się,

że nie jest to nowy gatunek nierodzimy w związku z czym w okresie 2011ǦʹͲͳ͸ ™  ‹‡

zaobserwowano żadnych nowych gatunków nierodœ‹› Š‹ Š–‹‘ˆƒ—›Ǥ

Każdego roku w okresie 2011Ǧ2016 w połowach prowadzonych w obserwowane były

ryby z grupy gatunków wizytujących Morze Bałtyckie, czyli tych, które migrują, głównie z Morza

Północnego, ze względu na wyraźne zmiany wartości parametrów hydrologicznych niektórych

rejonów Bałtyku, które mogą być związane ze zmianami klimatycznymi. Niesprzyjające warunki

środowiskowe, np. małe zasolenie, nie pozwalają tym gatunkom na założenie samowystarczalnej

populacji w Morzu Bałtyckim. Rodzimym obszaremwystępowania gatunków wizytujących Morze

Bałtyckie najczęściej jest rejon północnoǦwschodniego Atlantyku obejmujący Morze Północne. Ich

przybycie do obszaru bałtyckiego zwykle (choć nie zawsze) związane jest z wlewami słonej wody

i zawsze odbywa się drogąnaturalną, niezwiązaną z działalnością człowieka. Dodatkową wspólną

cechą tych gatunków, jest ciągły charakter zasięgu ich naturalnego występowania, czyli

wpłynięcie do Morza Bałtyckiego nie powoduje przerwania ciągłości jego występowaniaǤ

Przykłady gatunków obcych i wizytujących wymieniono w –ƒ„‡Ž‹ͳǤͷǤͳǤ

W poniższych –ƒ„‡Žƒ Šȋ–ƒ„‡ŽƒͳǤͷǤʹ––ƒ„‡ŽƒͳǤͷǤ͹Ȍ’”œ‡†•–ƒ™‹‘‘‘„•‡”™ƒ Œ‡”›„œ”‘†œƒŒ—

gatunków obcych i wizytujących z różnego rodzaju połowów prowadzonych w  ™Žƒ–ƒ Š

ʹͲͳͳǦ2016 w ramach badań własnych MIRǦ oraz prowadzonych w ramach umówœGIOŚ.



͹ͳ

ƒ„‡ŽƒͳǤͷǤͳǤ Wykaz gatunków obcych oraz wizytujących zaobserwowanych w badaniach własnych MIRǦ

 ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸™›‘ƒ› Š™Ǥ

ƒœ™ƒ

‰ƒ–—‘™ƒ

babka szczupła

ƒœ™ƒ

łacińska

Neogobius

fluviatilis

ȋƒŽŽƒ•ǡ

ͳͺͳͶȌ

„ƒ„ƒ„› œƒ

Neogobius

melanostomu

sȋƒŽŽƒ•ǡ

ͳͺͳͶȌ



‹–‡”ƒ–—”ƒ

”ƒ„‘™•ƒǡ Ǥǡ Ǥ‘–—•œǡǤ‹–‘™•‹ʹͲͳͲǤŽ‹‡‹˜ƒ•‹˜‡ˆ‹•Š•’‡ ‹‡•‹

‘Ž‹•Š™ƒ–‡”•ǣƒ‘˜‡”˜‹‡™Ǥ ‘Ž‹ƒ‘‘ŽǤǡͷͻȋͳȌǢ͹͵ǦͺͷǤ

Lejk, A. M., M. Żdanowicz, M. R. Sapota, I. Psuty 2013. Š‡•‡––Ž‡‡–‘ˆ

Neogobius fluviatilis ȋƒŽŽƒ•ǡͳͺͳͶȌ‹‹•–—Žƒ‹˜‡”‡•–—ƒ”‹‡•ȋ•‘—–Š‡”ƒŽ–‹ 

‡ƒǡ‘Žƒ†ȌǤ Ǥ’’ŽǤ Š–Š›‘ŽǤǡʹͻǢͳͳͷͶǦͳͳͷ͹Ǥ

•—–›ǡ ǤʹͲͳͲǤƒ–—”ƒŽǡ•‘ ‹ƒŽǡ‡ ‘‘‹ ƒŽƒ†’‘Ž‹–‹ ƒŽ‹ˆŽ—‡ ‡•‘ˆ‹•Š‡”‹‡•ǣ

”‡˜‹‡™‘ˆ–Š‡–”ƒ•‹–‹‘ƒŽƒ”‡ƒ‘ˆ–Š‡‘Ž‹•Š™ƒ–‡”•‘ˆ–Š‡‹•–—Žƒƒ‰‘‘Ǥ

ƒ”‹‡‘ŽŽ—–‹‘—ŽŽ‡–‹ǡ͸ͳǢͳ͸ʹǦͳ͹͹Ǥ

”›‰‹‡ŽǡǤʹͲͳ͸Ǥƒ”‡ƒ†’”‘–‡ –‡†ˆ‹•Š•’‡ ‹‡•‹–Š‡‘Ž‹•Š ‘‡” ‹ƒŽ

ƒ– Š‡•ǡ‘‹–‘”‡†„›–Š‡‹•–‹–—–‡‘„•‡”˜‡”•‹–Š‡ƒŽ–‹ ‡ƒȋʹͲͳ͵ǦʹͲͳͷȌǤ

”‡•‡–ƒ–‹‘ƒ†•—ƒ”›ƒ––Š‡  ‡‡–‹‰‹‘•–‡†‡ǢͲ͹Ǧ

ͳͳǤͳͳǤʹͲͳ͸ǢͳͶ’’Ǥ

”›‰‹‡ŽǡǤʹͲͳ͹ǤRyby rzadko spotykane, mało liczne i chronione w

południowym Bałtyku Ǧƒ’‘†•–ƒ™‹‡‘‹–‘”‘™ƒ› ŠȋʹͲͳ͵ǦʹͲͳͷȌ’‘Ž•‹ Š

połowów komercyjnych. Wiadomości Rybackie, nr 3ǦͶȋʹͳ͸ȌʹͲͳ͹ǡ‘”Ǥ •–Ǥ

›„ǤǦPań. Inst. Badaw., Gdynia; 18ǦʹͳǤ

Czugała, A., A. Woźniczka 2010. The River Odra estuary Ǧƒ‘–Š‡”ƒŽ–‹ ‡ƒ

ƒ”‡ƒ ‘Ž‘‹œ‡†„›–Š‡”‘—†‰‘„›Neogobius melanostomusƒŽŽƒ•ǡͳͺͳͳǤ

“—ƒ–‹  ˜ƒ•‹‘•ǡ˜‘ŽǤͷȋ—’’ŽǤͳȌǢ͸ͳǦ͸ͷǢ

Š––’ǣȀȀ™™™Ǥƒ“—ƒ–‹ ‹˜ƒ•‹‘•Ǥ‡–ȀʹͲͳͲȀ—’’Ž‡‡–Ȁ ̴ʹͲͳͲ̴ͷ̴ͳ̴œ—

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒǡǤ ”‡Ž‘™•‹ʹͲͲͶǤƒ”‹ƒ–‹‘‹–Š‡‘ —””‡ ‡‘ˆ˜‹•‹–‹‰ǡ

‘Ǧ—‡”‘—•ǡƒ†ƒŽ‹‡ˆ‹•Š•’‡ ‹‡•‹–Š‡ƒ—–—Ǧ™‹–‡”•‡ƒ•‘•‘ˆͳͻ͹͸Ǧ

ʹͲͲͶ‹–Š‡•‘—–Š‡”ƒŽ–‹ ‡ƒǤ‘•–‡”‘Ǥ͸ͻȀ ͲʹǦŽ‹‡ ‹•Š’‡ ‹‡•

›’‘•‹—ȋ͸ǦͳͲǤͲͻǤʹͲͲͶǡƒŽŽ‹ȌǢȏ‹ǣȐ —”‘’‡ƒ‘‰”‡••‘ˆ

Š–Š›‘Ž‘‰›ǡ„•–”ƒ –˜‘Ž—‡ǡ’Ǥͳ͹ͻǤ

Grygiel, W. 2006. Struktura gatunkowa i długościowa ryb bałtyckich w

połowach badawczych r.v. "Baltica" (listopad 2005 r.). Wiadomości Rybackie,

”͵ǦͶȋͳͷͲȌǡ‹•‘‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǢͻǦͳʹǤ

”›‰‹‡ŽǡǤʹͲͲ͹Ǥ‘—†‰‘„›ȋApollonia melanostomusƒŽŽƒ•ǡͳͺͳͳȌ̵•‡‹Ǧ

†‘‡•–‹ ̵•’‡ ‹‡•‹–Š‡ —Žˆ‘ˆ †ƒ•ȋ–Š‡•‘—–Š‡”ƒŽ–‹ Ǣͳͻͻ͵ǦʹͲͲͶȌǤ 

ʹͲͲ͹Ȁǣ͵ͲǤ

”›‰‹‡ŽǡǤ2008. Gatunki inwazyjne w Morzu Bałtyckim, ze szczególnym

uwzględnieniem babki byczej. Wiadomości Rybackie nr 7/8 (164), Pismo Mor.

•–Ǥ›„Ǥǡ †›‹ƒǢͳͺǦʹʹǤ

Kostrzewa, J., M. Grabowski, G. Zięba 2004. Nowe inwazyjne gatunki ryb w

™‘†ƒ Š‘Ž•‹Ǥ” Š‹˜‡•‘ˆ‘Ž‹•Š ‹•Š‡”‹‡•ǡͳʹȋ•—’’ŽǤʹȌǢʹͳǦ͵ͶǤ

Kuczyński, J. 1995. Babka krągła Neogobius melanostomusȋƒŽŽƒ•ǡͳͺͳͳȌǦ

‡‹‰”ƒ–œ„ƒ•‡—’‘–‘Ǧkaspijskiego w Zatoce Gdańskiej. Biul. Mor. Inst. Ryb.,

†›‹ƒǡʹȋͳ͵ͷȌǢ͸ͺǦ͹ͳǤ

ƒ’‘–ƒǡǤǤʹͲͲͷǤ‹‘Ž‘‰‹ƒ‹‡‘Ž‘‰‹ƒ„ƒ„‹„› œ‡Œ‡‘‰‘„‹—•‡Žƒ‘•–‘—•

(Pallas 1811), gatunku inwazyjnego w Zatoce Gdańskiej. Monografia, Wydaw.

Uniwersytet Gdański, Gdańsk; 117 s. 

Sapota, M. R., K. E. Skóra 2005. ’”‡ƒ†‹‰‘ˆƒŽ‹‡ȋ‘Ǧ‹†‹‰‡‘—•Ȍˆ‹•Š

•’‡ ‹‡•Neogobius melanostomus‹–Š‡ —Žˆ‘ˆ †ƒ•ȋ•‘—–ŠƒŽ–‹ ȌǤ

‹‘Ž‘‰‹ ƒŽ ˜ƒ•‹‘•ǡ͹ȋʹȌǢͳͷ͹Ǧͳ͸ͶǤ

ƒ’‘–ƒǡǤǤʹͲͳʹǤ Ǧ ˜ƒ•‹˜‡Ž‹‡’‡ ‹‡• ƒ –Š‡‡–ǦNeogobius

melanostomusǤŽ‹‡ƒ–ƒ„ƒ•‡‘ˆ–Š‡—”‘’‡ƒ‡–™‘”‘ ˜ƒ•‹˜‡Ž‹‡

’‡ ‹‡•Ǧ ǡ™™™Ǥ‘„ƒ‹•Ǥ‘”‰Ǣƒ ‡••ʹͺǤͲͻǤʹͲͳͶǤ

Skóra, K. E., J. Stolarski 1993. ‡™ˆ‹•Š•’‡ ‹‡•‹–Š‡ —Žˆ‘ˆ †ƒ•ǡNeogobius

•’Ǥȏ ˆǤNeogobius melanostomusȋƒŽŽƒ•ͳͺͳͳȌȐǤ—ŽŽǤ‡ƒ ‹•ŠǤ •–Ǥǡ †›‹ƒǡ

ͳȋͳʹͺȌǢͺ͵ǦͺͶǤ

Skóra, K. E., J. Stolarski 1995. ‘—†‰‘„›Ǧƒˆ‹•Š›‹˜ƒ†‡”Ǥ ƒŽ–‹ —ŽŽǤ

ͳȀͻͷǢͶ͸ǦͶ͹Ǥ

Skóra, K. E., J. Stolarski 1996. Neogobius melanostomusȋƒŽŽƒ•ͳͺͳͳȌƒ‡™

‹‹‰”ƒ–•’‡ ‹‡•‹–Š‡ƒŽ–‹ ‡ƒǤ•–—ƒ”‹‡‡ ‘•›•–‡•ƒ†•’‡ ‹‡•Ǥ

Proceedings of the Second International Estuary Symposium, Gdańsk, 18Ǧ

ʹʹǤͳͲǤͳͻͻ͵Ǥ”ƒ‰‘ ••Ǥǡ †›‹ƒǡͳǢͳͲͳǦͳͲͺǤ

Skóra, K., S. Olenin and S. Gollasch 1999ǤNeogobius melanostomusȋƒŽŽƒ•ǡ

ͳͺͳͳȌǤ’’Ǥ͸ͻǦ͹͵ǡȏ‹ǣȐǤ ‘ŽŽƒ• ŠǡǤ‹ Š‹ǡ Ǥ‘•‡–ŠƒŽƒ†Ǥ‘‹‰Š–ȋ‡†•ǤȌ

͹ʹ

ƒœ™ƒ

‰ƒ–—‘™ƒ

™‹–Ž‹‡

ƒ”‡Žƒ

ƒ–Žƒ–› ƒ

– 82 –

ƒœ™ƒ

łacińska

Merlangius

merlangus

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Scomber

scombrus

‹ƒ‡—•ǡ

ͳ͹ͷͺ

Poz. 230

‹–‡”ƒ–—”ƒ

̶ƒ•‡Š‹•–‘”‹‡•‘‹–”‘†— ‡†•’‡ ‹‡•ǣ–Š‡‹”‰‡‡”ƒŽ„‹‘Ž‘‰›ǡ†‹•–”‹„—–‹‘ǡ

”ƒ‰‡‡š’ƒ•‹‘ƒ†‹’ƒ –̶Ǥ‘‰‘•‡”Žƒ‰ǡ‡”Ž‹Ǥ

Skóra, K. 2005. Problem polskiego nazewnictwa dla Neogobius melanostomus

ȋƒŽŽƒ•ǡͳͺͳͶȌǤ‘ œ‹ ‡Ž•‹ǡ–Ǥ Ǣ͵ͳǦ͵͹Ǥ

Skóra, K. 2008a. Babka bycza w Szwecji. Stacja Morska Inst. Ocean. w Helu,

‹™ǤGdański; http://www.hel.univ.gda.pl/aktu/2008/babka„› œƒǤ

Skóra, K. 2008b. Neogobius melanostomusȋƒŽŽƒ•ǡͳͺͳͳȌǦ„ƒ„ƒ„› œƒǤȏ™ǣȐ

Gatunki obce w faunie Polski. Prac. zbior. pod redakcją: Z. Głowaciński, H.

Okarma, J. Pawłowski, W. Solarz; IOP PAN, Kraków,

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡Ȁ†‡ˆƒ—Ž–Ǥƒ•’ǫƒœ™ƒα‘’‹•Ƭ‹†αͳͲͳƬŒ‡α

’ŽǤ

ƒ†œ‡ŽǡǤʹͲͲ͵ƒ. Babka okrągła Neogobius melanostomusȋƒŽŽƒ•ǡͳͺͳͳȌǦ

nowy komponent ichtiocenozy południowego Bałtyku. Rola w ekosystemie i

rybołówstwie. Monografia, Mor. Inst. Ryb., Gdynia, 76 s. 

Demel, K. 1933. Wykaz bezkręgowców i ryb Bałtyku naszego. Fragmenta

ƒ—‹•–‹ ƒ—•‡‹‘‘Ž‘‰‹ ‹‘Ž‘‹ ‹ǡƒ”•œƒ™ƒǡ–Ǥ ǡ”ͳ͵ǢͳʹͳǦͳ͵͸Ǥ

Demel, K. 1947. Biologia ryb Bałtyku. Monografia. Wydaw. Mor. Inst. Ryb.,

†›‹ƒǢͳͷͷ•Ǥ

Gąsowska, M. i in. 1962. Popiel, J. ǦEngraulidaeǡ•ǤͶͷǦͶ͹ǡȏ™ǣȐŽ— œ‡†‘

oznaczania kręgowców Polski. Część I, Krągłouste i ryby Cyclostomi et Pisces.

PWN, Warszawa, Kraków, opracowanie zbiorowe pod redakcją M. Gąsowskiej,

PAN, Kraków; 240 s. 

”ƒ„‘™•ƒǡ ǤǡǤ ”ƒ„‘™•‹ʹͲͳ͵Ǥ Ž—•–”‘™ƒƒ‡ ›Ž‘’‡†‹ƒ”›„‘Ž•‹Ǥ

‘”•œ‘™ƒ–‡Ǥ‘›†ƒ™‹ œ›ǡ™›†Ǥ ǡʹ͹ʹ•Ǥ

Grygiel, W., A. Grelowski, M. Zalewski 2004. Charakterystyka połowów

badawczych ryb i warunków hydrologicznoǦ‡–‡‘”‘Ž‘‰‹ œ› Š™Ž—–›Ǧ

ƒ” —ʹͲͲͶ”Ǥ™(raport z rejs r.v. „Baltica”, 16.02ǦͲʹǤͲ͵ǤʹͲͲͶ”ǤȌǤ‘”Ǥ

•–Ǥ›„Ǥǡ †›‹ƒǡ͵ͷ•Ǥǡƒ•œ›Ǥ’‘™‹‡ŽǤ

Grygiel, W., K. Trella 2007. Appearance of the ‘visiting’ fish species in the

‘Ž‹•Š”‡•‡ƒ” Š ƒ– Š‡• ‘†— –‡†‹–Š‡•‘—–Š‡”ƒŽ–‹ ȋƒ—–—Ǧ™‹–‡”

ͳͻ͹͸ǦʹͲͲͶȌǤ ʹͲͲ͹ȀǣͲ͸ǢŠ‡‡‡••‹‘Ǧƒ”‹‡„‹‘†‹˜‡”•‹–›ǣˆ‹•Š

ƒ†ˆ‹•Š‡”‹‡•’‡”•’‡ –‹˜‡Ǣͳͻ’’Ǥ

”›‰‹‡ŽǡǤʹͲͲͻǤƒ”†‡Žƒ‡—”‘’‡Œ•ƒȋEngraulis encrasicolus‹‡ƒ—•ǡͳ͹ͷͺȌ–

tymczasowy ‘przybysz’ w ǤWiadomości Rybackie nr 1Ǧʹȋͳ͸͹ȌʹͲͲͻǡ

‹•‘‘”•‹‡‰‘ •–›–—–—›„ƒ ‹‡‰‘™ †›‹ǢͳͷǦʹͲǤ

”›‰‹‡ŽǡǤǡǤ‘†œ‹‘™•‹ʹͲͳͳǤŠ‡”‡’‘”–ˆ”‘–Š‡ƒ‹•ŠǦ‘Ž‹•ŠǦ ‡”ƒ

multidisciplinary survey on the Polish r/v “Baltica” (14Ǧʹ͹ǤͲ͸ǤʹͲͳͳȌǤ”—‹•‡

”‡’‘”–ǡ  ǡ †›‹ƒǢ͵Ͷ’’Ǥ‹‡‘Ǥ

Mańkowski, W. 1951. Zmiany biologiczne w Bałtyku w ciągu ostatn‹ ŠŽƒ–

pięćdziesięciu. ”ƒ ‡‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǡ͸ǢͳǦʹͶǤ

Plikšs, M., Ē. Aleksejevs 1998. Zivis. ƒ–˜‹Œƒ•ƒ„ƒǡ†‹–Ǥ ƒ†”•ǡ‹‰ƒǢ͵ͲͶ’’Ǥ

Winkler, H. M., K. Skóra, R. Repečka, M. Plikshs, A. Neelov, L. Urho, A. Gushin

ƒ† Ǥ ‡•’‡”•‡ʹͲͲͲǤŠ‡ Ž‹•–ƒ†•–ƒ–—•‘ˆˆ‹•Š•’‡ ‹‡•‹–Š‡ƒŽ–‹ ‡ƒǤ

ǤǤʹͲͲͲȀ‹‹ǣͳͳǢͳͷ’’Ǥ

Grygiel, W. 2016. Popularne i rzadkie gatunki ryb w Bałtyku Ǧwystępowanie i

zróżnicowanie nazw (część 2). Wiadomości Rybackie nr 1ǦʹȋʹͲͻȌǡ‹•‘‘”Ǥ

•–Ǥ›„ǤǦPań. Inst. Badaw., Gdynia; 19Ǧʹ͵Ǥ

‡‡ŽǡǤͳͻʹͶǤƒ”‡Ž‹™ƒ•œ‡‘”œ—Ǥ›„ƒ‘Ž•‹ǡ›†‰‘•œ œǡͷǢͶ͸ͳǦ

Ͷ͸͵Ǥ

Gąsowska, M. i in. 1962. Klucze do oznaczania kręgowców Polski. Część I,

Krągłouste i ryby Cyclostomi et PiscesǤ•ǤͳͺͲǦͳͺͳǡ Ǥ‘’‹‡ŽǦ‘†œ‹ƒ

makrelowate. PWN, Warszawa, Kraków, opracowanie zbiorowe pod redakcją

M. Gąsowskiej, PAN, Kraków. 

Goszczyńska, M. 2000. Makrela –cenna ryba z Atlantyku. Magazyn Przemysłu

Rybnego nr 1(13), Rybołówstwo Morskie; s. 40.

”ƒ„‘™•ƒǡ ǤǡǤ ”ƒ„‘™•‹ʹͲͳ͵Ǥƒ”‡Ž‘™ƒ–‡ȋScombridaeȌǡ•ǤʹͲͺǦʹͲͻǡȏ™ǣȐ

Ž—•–”‘™ƒƒ‡ ›Ž‘’‡†‹ƒ”›„‘Ž•‹Ǥ‘›†ƒ™‹ œ›ǡ™›†Ǥ Ǣʹ͹ʹ•Ǥ

Grygiel, W. 1997. Struktura gatunkowa ryb w polskich, dennych połowach

badawczych na Bałtyku (1976ǦͳͻͻͳȌǤƒ’‘”–›‘”Ǥ •–Ǥ›„Ǥͳͻͻ͹ǡ †›‹ƒ

ȋ‹‡‘ȌǤ



͹͵

ƒœ™ƒ

‰ƒ–—‘™ƒ

•ƒ”†‡Žƒ

‡—”‘’‡Œ•ƒ

œ‹‹ ƒ



– 83 –

ƒœ™ƒ

łacińska

Engraulis

encrasicolus

ȋ‹ƒ‡—•ǡͳ͹

ͷͺȌ

Limanda

limanda

Poz. 230

‹–‡”ƒ–—”ƒ

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒǡǤ ”‡Ž‘™•‹ʹͲͲͶǤƒ”‹ƒ–‹‘‹–Š‡‘ —””‡ ‡‘ˆ˜‹•‹–‹‰ǡ

‘Ǧ—‡”‘—•ǡƒ†ƒŽ‹‡ˆ‹•Š•’‡ ‹‡•‹–Š‡ƒ—–—Ǧ™‹–‡”•‡ƒ•‘•‘ˆͳͻ͹͸Ǧ

ʹͲͲͶ‹–Š‡•‘—–Š‡”ƒŽ–‹ ‡ƒǤ‘•–‡”‘Ǥ͸ͻȀ ͲʹǦŽ‹‡ ‹•Š’‡ ‹‡•

›’‘•‹—ȋ͸ǦͳͲǤͲͻǤʹͲͲͶǡƒŽŽ‹ȌǢȏ‹ǣȐ —”‘’‡ƒ‘‰”‡••‘ˆ

Š–Š›‘Ž‘‰›ǡ„•–”ƒ –˜‘Ž—‡ǡ’Ǥͳ͹ͻǤ

Grygiel, W., K. Trella 2007. Appearance of the ‘visiting’ fish species in the

‘Ž‹•Š”‡•‡ƒ” Š ƒ– Š‡• ‘†— –‡†‹–Š‡•‘—–Š‡”ƒŽ–‹ ȋƒ—–—Ǧ™‹–‡”

ͳͻ͹͸ǦʹͲͲͶȌǤ ʹͲͲ͹ȀǣͲ͸ǢŠ‡‡‡••‹‘Ǧƒ”‹‡„‹‘†‹˜‡”•‹–›ǣˆ‹•Š

ƒ†ˆ‹•Š‡”‹‡•’‡”•’‡ –‹˜‡Ǣͳͻ’’Ǥ

Grygiel, W. 2013. Sprawozdanie z wykonania zadań naukowoǦ„ƒ†ƒ™ œ› Š

’‘† œƒ•’‘Ž•‹‡‰‘”‡Œ•—–›’— ǡ”ͳ͸Ȁʹ013/MIR, na statku „Baltica”, w

†‹ƒ Šͳ͸ǤͲͻǤǦͲͶǤͳͲǤʹͲͳ͵”Ǥ‘”Ǥ •–Ǥ›„Ǥ–Państw. Inst. Badaw., Gdynia, 16

•Ǥȋ‹‡‘ȌǤ

Rembiszewski, J. M., H. Rolik 1975. Krągłouste i ryby Cyclostomata et PiscesǤ

ƒ–ƒŽ‘‰ ƒ—›‘Ž•‹ǡ”ʹͶǡ– •–Ǥ‘‘Ž‘‰‹‹ǡǡƒ”•œƒ™ƒǢʹͷͳ•Ǥ

Winkler, H. M., K. Skóra, R. Repečka, M. Plikshs, A. Neelov, L. Urho, A. Gushin

ƒ† Ǥ ‡•’‡”•‡ʹͲͲͲǤŠ‡ Ž‹•–ƒ†•–ƒ–—•‘ˆˆ‹•Š•’‡ ‹‡•‹–Š‡ƒŽ–‹ ‡ƒǤ

ǤǤʹͲͲͲȀ‹‹ǣͳͳǢͳͷ’’Ǥ

Wyszyński, M., T. Łączkowski, A. Grelowski 2012. Badania akustyczne zasobów

ryb śledziowatych w polskiej strefie ekonomicznej Bałtyku. Raport z rejsu r.v.

„Baltica” we wrześniu 2012 r., Mor. •–Ǥ›„Ǥ– ǡ †›‹ƒǢ͵͵•Ǥǡ‹‡‘Ǥ

Draganik, B., M. Wyszyński 2004. The European anchovy (Engraulis

encrasicolusȏǤȐȌ‹–Š‡ƒŽ–‹ ‡ƒǤ—ŽŽǤ‡ƒ ‹•ŠǤ •–Ǥǡ †›‹ƒǡʹȋͳ͸ʹȌǢͷ͵ǦͷͺǤ

Gąsowska, M. i in. 1962. Popiel, J. ǦEngraulidaeǡ•ǤͶͷǦͶ͹ǡȏ™ǣȐŽ— œ‡†‘

oznaczania kręgowców Polski. Część I, Krągłouste i ryby Cyclostomi et Pisces.

PWN, Warszawa, Kraków, opracowanie zbiorowe pod redakcją M. Gąsowskiej,

PAN, Kraków; 240 s. 

”›‰‹‡ŽǡǤǡǤ ”‡Ž‘™•‹ǡǤƒŽ‡™•‹ʹͲͲͶǤCharakterystyka połowów

badawczych ryb i warunków hydrologicznoǦ‡–‡‘”‘Ž‘‰‹ œ› Š™Ž—–›Ǧ

ƒ” —ʹͲͲͶ”Ǥ™(raport z rejs r.v. „Baltica”, 16.02ǦͲʹǤͲ͵ǤʹͲͲͶ”ǤȌǤ‘”Ǥ

•–Ǥ›„Ǥǡ †›‹ƒǡ͵ͷ•Ǥǡƒ•œ›Ǥ’‘™‹‡ŽǤ

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒǡǤ ”‡Ž‘™•‹ʹͲͲͶǤƒ”‹ƒ–‹‘‹–Š‡‘ —””‡ ‡‘ˆ˜‹•‹–‹‰ǡ

‘Ǧ—‡”‘—•ǡƒ†ƒŽ‹‡ˆ‹•Š•’‡ ‹‡•‹–Š‡ƒ—–—Ǧ™‹–‡”•‡ƒ•‘•‘ˆͳͻ͹͸Ǧ

ʹͲͲͶ‹–Š‡•‘—–Š‡”ƒŽ–‹ ‡ƒǤ‘•–‡”‘Ǥ͸ͻȀ Ͳʹ–Ž‹‡ ‹•Š’‡ ‹‡•

›’‘•‹—ȋ͸ǦͳͲǤͲͻǤʹͲͲͶǡƒŽŽ‹ȌǢȏ‹ǣȐ —”‘’‡ƒ‘‰”‡••‘ˆ

Š–Š›‘Ž‘‰›ǡ„•–”ƒ –˜‘Ž—‡ǡ’Ǥͳ͹ͻǤ

Grygiel, W., K. Trella 2007. Appearance of the ‘visiting’ fish species in the

‘Ž‹•Š”‡•‡ƒ” Š ƒ– Š‡• ‘†— –‡†‹–Š‡•‘—–Š‡”ƒŽ–‹ ȋƒ—–—Ǧ™‹–‡”

ͳͻ͹͸ǦʹͲͲͶȌǤ ʹͲͲ͹ȀǣͲ͸ǢŠ‡‡‡••‹‘Ǧƒ”‹‡„‹‘†‹˜‡”•‹–›ǣˆ‹•Š

ƒ†ˆ‹•Š‡”‹‡•’‡”•’‡ –‹˜‡Ǣͳͻ’’Ǥ

”›‰‹‡ŽǡǤʹͲͲͻǤƒ”†‡Žƒ‡—”‘’‡Œ•ƒȋEngraulis encrasicolus‹‡ƒ—•ǡͳ͹ͷͺȌ–

tymczasowy ‘przybysz’ w ǤWiadomości Rybackie nr 1Ǧʹȋͳ͸͹ȌǡʹͲͲͻǡ

‹•‘‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǢͳͷǦʹͲǤ

Mańkowski, W. 1951. Zmiany biologiczne w Bałtyku w ciągu os–ƒ–‹ ŠŽƒ–

pięćdziesięciu. ”ƒ ‡‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǡ͸ǢͳǦʹͶǤ

‹‘ŽƒŒ‡˜ǡ Ǥ ǤͳͻͷͲǤ‹‘Ž‘‰‹ œ‡•‹Œ‡’‘ƒœƒ–‡Ž‹‘•‘Ž‘‹‡‹ŒƒƒŽ–‹Œ•‘‰‘‘”‹ƒǤ

”‹”‘†ƒ͵ͲǢͷǤ

Œƒ˜‡‡”ǡǤǡǤ‹Š—ǡǤƒƒ–ȋ‡†•ǤȌʹͲͲ͵Ǥ ‹•Š‡•‘ˆ•–‘‹ƒǤ•–‘‹ƒ ƒ†‡›

—„Ž‹•Š‡”•ȋ–Š‡ ‘ŽŽ‡ –‹˜‡•–—†›Ȍǡ ͻͻͺͷǦͷͲǦ͵ͷ͹ǦͲǢƒŽŽ‹ǢͶͳ͸’’ǤǢ Ǥ

‡Ž†”‡Ǣ ƒ‹Ž›EngraulidaeǢͺͻǦͻͲǤ

Pisańska, I. 2001. Sardela. Przystanek kulinarny 2000ǦʹͲͲͳǤ

Š––’ǣȀȀ™™™Ǥ’ǤŽ‹—šǤ‰†ƒǤ’ŽȀ•ƒ”†‡ŽƒȀ•ƒ”†‡ŽƒǤŠ–ŽǤ

Plikšs, M., Ē. Aleksejevs 1998. Zivis. ƒ–˜‹Œƒ•ƒ„ƒǡ†‹–Ǥ ƒ†”•ǡ‹‰ƒǢ͵ͲͶ’’Ǥ

Skóra, K. 1996. A comparison of changes in the ‘’‘•‹–‹‘‘ˆˆ‹•Š ƒ– Š‡•‹

–Š‡‘Ž‹•ŠŽƒ‰‘‘•‹ͳͻ͸ͲǦͳͻͺͻǤȏ‹ǣȐ”‘ ‡‡†‹‰•‘ˆ‘Ž‹•ŠǦ™‡†‹•Š

›’‘•‹—‘ƒŽ–‹ ‘ƒ•–ƒŽ ‹•Š‡”‹‡•Ǥ‡•‘—” ‡•ƒ†ƒƒ‰‡‡–Ǥ †›‹ƒǡʹǦ

͵’”‹Žͳͻͻ͸ǢʹʹͷǦʹͶͳǤ

Skóra, K. 2003. Niehelskie anchovies. Stacja Morska Ins–Ǥ ‡ƒǤ‹™‡”•›–‡–—

Gdańskiego w Helu; hel.univ.gda.pl/aktu/2003/anchovies.htm. 

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒǡǤ ”‡Ž‘™•‹ʹͲͲͶǤƒ”‹ƒ–‹‘‹–Š‡‘ —””‡ ‡‘ˆ˜‹•‹–‹‰ǡ

‘Ǧ—‡”‘—•ǡƒ†ƒŽ‹‡ˆ‹•Š•’‡ ‹‡•‹–Š‡ƒ—–—Ǧ™‹–‡”•‡ƒ•‘•‘ˆͳͻ͹͸Ǧ

ʹͲͲͶ‹–Š‡•‘—–Š‡”ƒŽ–‹ ‡ƒǤ‘•–‡”‘Ǥ͸ͻȀ ͲʹǦŽ‹‡ ‹•Š’‡ ‹‡•

͹Ͷ

ƒœ™ƒ

‰ƒ–—‘™ƒ

œƒ”‹ƒ

– 84 –

ƒœ™ƒ

łacińska

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Pollachius

virens

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Poz. 230

‹–‡”ƒ–—”ƒ

›’‘•‹—ȋ͸ǦͳͲǤͲͻǤʹͲͲͶǡƒŽŽ‹ȌǢȏ‹ǣ —”‘’‡ƒ‘‰”‡••‘ˆ Š–Š›‘Ž‘‰›ǡ

„•–”ƒ –˜‘Ž—‡Ȑǡ’Ǥͳ͹ͻǤ

”›‰‹‡ŽǡǤǡǤ ”‡Ž‘™•‹ʹͲͲ͸Ǥ‡•‡ƒ” Š”‡’‘”–ˆ”‘–Š‡”Ǥ˜Ǥ̶ƒŽ–‹ ƒ̶ Ͷ

•—”˜‡›‹–Š‡‘Ž‹•Šȋ‘˜‡„‡”ʹͲͲͷȌǤ‘”‹‰’ƒ’‡”‘–Š‡  

‡‡–‹‰‹‘’‡Šƒ‰‡ǡͲ͵ǦͲ͹ǤͲͶǤʹͲͲ͸Ǣͳ͹’’Ǥǡȏ‹ǣȐ ʹͲͲ͸ȀǣͲ͹ǡ

‡ˆǤ ǡǡǤ

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒʹͲͲ͹Ǥ’’‡ƒ”ƒ ‡‘ˆ–Š‡̵˜‹•‹–‹‰̵ˆ‹•Š•’‡ ‹‡•‹–Š‡

‘Ž‹•Š”‡•‡ƒ” Š ƒ– Š‡• ‘†— –‡†‹–Š‡•‘—–Š‡”ƒŽ–‹ ȋƒ—–—Ǧ™‹–‡”

ͳͻ͹͸ǦʹͲͲͶȌǤ ʹͲͲ͹ȀǣͲ͸ǢŠ‡‡‡••‹‘Ǧƒ”‹‡„‹‘†‹˜‡”•‹–›ǣˆ‹•Š

ƒ†ˆ‹•Š‡”‹‡•’‡”•’‡ –‹˜‡Ǣͳͻ’’Ǥ

Grygiel, W. 2009. Niektóre obce i rzadkie gatunki ryb w polskich połowach na

Bałtyku. Wiadomości Rybackie, 3ǦͶȋͳ͸ͺȌȀʹͲͲͻǡ‹•‘‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǢ

ͳͳǦͳͶǤ

”›‰‹‡ŽǡǤǡǤ‘†œ‹‘™•‹ʹͲͳͳǤŠ‡”‡’‘”–ˆ”‘–Š‡ƒ‹•ŠǦ‘Ž‹•ŠǦ ‡”ƒ

—Ž–‹†‹• ‹’Ž‹ƒ”›•—”˜‡›‘–Š‡‘Ž‹•Š”Ȁ˜̶ƒŽ–‹ ƒ̶ȋͳͶǦʹ͹ǤͲ͸ǤʹͲͳͳȌǤ”—‹•‡

”‡’‘”–ǡ  ǡ †›‹ƒǢ͵Ͷ’’Ǥȋ‹‡‘ȌǤ

Grygiel, W. 2013. Stornia i gatunki pokrewne w Bałtyku. Wiadomości

›„ƒ ‹‡ǡ”ͻǦͳͲȋͳͻͷȌǢ‹•‘‘”Ǥ •–Ǥ›„ǤǦPaństw. Inst. Badaw., Gdynia;

ͳͶǦͳͺǤ

ƒ ‘™•‹ǡǤʹͲͲʹǤ›„›ƒ–‘‹— ‹‡ŒǤ›†ƒ™Ǥ‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǡ

‘‘‰”ƒˆ‹ƒ”›„ƒ ƒǢͳͲͺ•Ǥ

Muus, B., P. Dahlström 1978. Meeresfische der Ostsee, der Nordsee, des

–Žƒ–‹•ǤBLV Verlagsgesellschaft, München; 244 p. 

Ž‹•œƒǡ Ǥͳͻ͸ͶǤ‹‘Ž‘‰‹ƒ”›„Ǥ‹ǡƒ”•œƒ™ƒǢ͵͵Ͷ•Ǥ

Skóra, K. 2008. "Przyrodnicy donoszą ..."

Š––’ǣȀȀ™™™ǤŠ‡ŽǤ—‹˜Ǥ‰†ƒǤ’ŽȀƒ–—ȀʹͲͲͺȀ’”œ›”†‘‘•œǤŠ–Ǣ–ƒ Œƒ‘”•ƒ 

 ǡ ‡ŽǤ

”›‰‹‡ŽǡǤƒ†Ǥ‹–ƒŽ‹•ʹͲͳͶǤ‡•‡ƒ” Š”‡’‘”–ˆ”‘–Š‡ƒŽ–‹  –‡”ƒ–‹‘ƒŽ

”ƒ™Ž—”˜‡›ȋ Ǧ1Q) in the Polish marine waters (r.v. “Baltica”; 10.02. –

ͲʹǤͲ͵ǤʹͲͳͶȌǤ‘”‹‰’ƒ’‡”‘–Š‡  ‡‡–‹‰‹ †›‹ƒȋ‘Žƒ†ȌǢʹͶǦ

ʹͺǤͲ͵ǤʹͲͳͶǤȏ‹ǣȐ‡’‘”–‘ˆ–Š‡ƒŽ–‹  –‡”ƒ–‹‘ƒŽ ‹•Š—”˜‡›‘”‹‰ ”‘—’

ȋ  Ȍǡ ʹͲͳͶȀ ǣͳ͵ǡ‡š͹Ǣͳ͸ʹǦͳͺͳ’’Ǥ

Rembiszewski, J. M., H. Rolik 1975. Krągłouste i ryby Cyclostomata et PiscesǤ

ƒ–ƒŽ‘‰ ƒ—›‘Ž•‹ǡ”ʹͶǡ– •–Ǥ‘‘Ž‘‰‹‹ǡǡƒ”•œƒ™ƒǢʹͷͳ•Ǥ

Ž‹•œƒǡ Ǥͳͻ͸ͶǤ‹‘Ž‘‰‹ƒ”›„Ǥ‹ǡƒ”•œƒ™ƒǢ͵͵Ͷ•Ǥ

‘•–”‘„‘

’‘•’‘Ž‹–›



Trachurus

trachurus

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Demel, K. 1933. Wykaz bezkręgowców i ryb Bałtyku naszego. Fragmenta

ƒ—‹•–‹ ƒ—•‡‹‘‘Ž‘‰‹ ‹‘Ž‘‹ ‹ǡƒ”•œƒ™ƒǡ–Ǥ ǡ”ͳ͵ǢͳʹͳǦͳ͵͸Ǥ

Demel, K. 1947. Biologia ryb Bałtyku. Monografia. Wydaw. Mor. Inst. Ryb.,

†›‹ƒǢͳͷͷ•Ǥ

Krzykawski, S., B. Więcaszek, S. Keszka 2001b. Š‡–ƒš‘‘‹ ”‡˜—‡‘ˆ

”‡’”‡•‡–ƒ–‹˜‡•‘ˆ–Š‡‡š–”‡‡Ž›”ƒ”‡•’‡ ‹‡•‹‘Ž‹•Š™ƒ–‡”•ǡ ‘ŽŽ‡ –‡†™‹–Š‹

ͳͻͻ͵ǦͳͻͻͻǤ ‘Ž‹ƒ‹˜Ǥ‰”‹ Ǥ–‡–‹ǡʹͳͺPiscariaȋʹͺȌǣͷ͵Ǧ͸ʹǤ

ƒ’ƒ”–ǦKałużniacka, M., T. Heese, A. Sokalska, M. Arciszewski 2007. Obce i

rzadkie gatunki ryb w Bałtyku –plaga czy sygnał zmian klimatu? [w:]

Konferencja szkoleniowa „Ichtiologia dawniej i dziś”; 19ǦʹͲǤͲͶǤʹͲͲ͹”Ǥǡ

Ž•œ–›ǡ•Ǥ͵ʹǤ

Skóra, K. 2007. Czarniak z ... wkładką. Stacja Morska Inst. Ocean. Uniwersytetu

Gdańskiego w Helu; http://www.hel.univ.gda.pl/aktu/2007/czarniak.htm. 

Karaś, D. 2007. Atlantycki czarniak wpłynął do Bałtyku. Gazeta Wyborcza

Trójmiasto (Gdańsk), nr 60, wydanie z dn‹ƒͳʹȀͲ͵ȀʹͲͲ͹ǡ›†ƒ”œ‡‹ƒǡ•–”ǤͷǤ

Grygiel, W. 2016. Popularne i rzadkie gatunki ryb w Bałtyku Ǧwystępowanie i

zróżnicowanie nazw (część 2). Wiadomości Rybackie nr 1ǦʹȋʹͲͻȌǡ‹•‘‘”Ǥ

•–Ǥ›„ǤǦPań. Inst. Badaw., Gdynia; 19Ǧʹ͵Ǥ

Elwertowski, J. 1957. Biologiczna charakterystyka polskich połowów szprota

w Bałtyku Południowym w latach 1950ǦͳͻͷͶǤ”Ǥ‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǡͻǢ

ͳ͹ͷǦʹͳͻǤ

”›‰‹‡ŽǡǤͳͻͻ͹Ǥ–”—–—”ƒ‰ƒ–—‘™ƒ”›„™’‘Žskich, dennych połowach

badawczych na Bałtyku (1976ǦͳͻͻͳȌǤƒ’‘”–›‘”Ǥ •–Ǥ›„Ǥͳͻͻ͹ǡ †›‹ƒ

ȋ‹‡‘ȌǤ

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒǡǤ ”‡Ž‘™•‹ʹͲͲͶǤƒ”‹ƒ–‹‘‹–Š‡‘ —””‡ ‡‘ˆ˜‹•‹–‹‰ǡ

‘Ǧ—‡”‘—•ǡƒ†ƒŽ‹‡ˆ‹•Š•’‡ ‹‡•‹–Š‡ƒ—–—Ǧ™‹–‡”•‡ƒ•‘•‘ˆͳͻ͹͸Ǧ

͹ͷ

ƒœ™ƒ

‰ƒ–—‘™ƒ

’Žƒ‹ƒ

– 85 –

ƒœ™ƒ

łacińska

Melanogram

mus

aeglefinus

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Poz. 230

‹–‡”ƒ–—”ƒ

ʹͲͲͶ‹–Š‡•‘—–Š‡”ƒŽ–‹ ‡ƒǤ‘•–‡”‘Ǥ͸ͻȀ ͲʹǦŽ‹‡ ‹•Š’‡ ‹‡•

›’‘•‹—ȋ͸ǦͳͲǤͲͻǤʹͲͲͶǡƒŽŽ‹ȌǢȏ‹ǣȐ —”‘’‡ƒ‘‰”‡••‘ˆ

Š–Š›‘Ž‘‰›ǡ„•–”ƒ –˜‘Ž—‡ǡ’Ǥͳ͹ͻǤ

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒʹͲͲ͹Ǥ’’‡ƒ”ƒ ‡‘ˆ–Š‡̵˜‹•‹–‹‰̵ˆ‹•Š•’‡ ‹‡•‹–Š‡

‘Ž‹•Š”‡•‡ƒ” Š ƒ– Š‡• ‘†— –‡†‹–Š‡•‘—–Š‡”ƒŽ–‹ ȋƒ—–—Ǧ™‹–‡”

ͳͻ͹͸ǦʹͲͲͶȌǤ ʹͲͲ͹ȀǣͲ͸ǢŠ‡‡‡••‹‘Ǧƒ”‹‡„‹‘†‹˜‡”•‹–›ǣˆ‹•Š

ƒ†ˆ‹•Š‡”‹‡•’‡”•’‡ –‹˜‡Ǣͳͻ’’Ǥ

ƒ’ƒ”–ǦKałużniacka, M., T. Heese, A. Sokalska, M. Arc‹•œ‡™•‹ʹͲͲ͹Ǥ„ ‡‹

rzadkie gatunki ryb w Bałtyku Ǧplaga czy sygnał zmian klimatu? ȏ™ǣȐ

Konferencja szkoleniowa "Ichtiologia dawniej i dziś"; 19ǦʹͲǤͲͶǤʹͲͲ͹ǡŽ•œ–›ǡ

•Ǥ͵ʹǤ

Mańkowski, W. 1951. Zmiany biologiczne w Bałtyku w ciągu ostatnich lat

pięćdziesięciu. Prace Mor. Inst. Ryb. w Gdyni, 6, Wydaw. Morskie, Gdańsk; 95Ǧ

ͳͳͺǤ

Rembiszewski, J. M., H. Rolik 1975. Krągłouste i ryby Cyclostomata et Pisces.

ƒ–ƒŽ‘‰ ƒ—›‘Ž•‹ǡ”ʹͶǡǦ •–Ǥ‘‘Ž‘‰‹‹ǡǡƒ”•œƒ™ƒǢʹͷͳ•Ǥ

Siedlecki, M. 1947. Ryby morskie częściej poławiane na Bałtyku i północnym

–Žƒ–›—Ǥ›†ƒ™Ǥ‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǡ‘‘‰”ƒˆ‹ƒǡ™›†Ǥ ǢͳͶͻ•Ǥ

Winkler, H. M., K. Skóra, R. Repečka, M. Plikshs, A. Neelov, L. Urho, A. Gushin

ƒ† Ǥ ‡•’‡”•‡ʹͲͲͲǤŠ‡ Ž‹•–ƒ†•–ƒ–—•‘ˆˆ‹•Š•’‡ ‹‡•‹–Š‡ƒŽ–‹ ‡ƒǤ

ǤǤʹͲͲͲȀ‹‹ǣͳͳǢͳͷ’’Ǥ

”›‰‹‡ŽǡǤǡǤ‘†œ‹‘™•‹ʹͲͳ͵Ǥ‡•‡ƒ” Š”‡’‘”–ˆ”‘–Š‡ƒŽ–‹ 

–‡”ƒ–‹‘ƒŽ”ƒ™Ž—”˜‡›ȋ ǦͶ“Ȍ‹–Š‡‘Ž‹•Š’ƒ”–‘ˆ–Š‡•‘—–Š‡”ƒŽ–‹ 

ȋͳ͸Ǧʹͺ‘˜ǤʹͲͳʹȌǤ‘”‹‰’ƒ’‡”‘–Š‡  ‡‡–‹‰‹ƒ”–—ȋ•–‘‹ƒȌǢ

ʹͳǦʹͷǤͲ͵ǤʹͲͳ͵Ǣȏ‹ǣȐ ʹͲͳ͵Ȁ ǣͲͺǢ‡š͹ǢͳͶͷǦͳ͸ͶǤ

Chmielewski, T. 2010b. Plamiak. Wielki Portal Wędkarski „Rybie oko. ›„›‘Ǧ

line”. http://pl.wikipedia.org/wiki/Plamiak. 

Mańkowski, W. 1951. Ichtiologia dla rybaków morskich. ›†ƒ™Ǥ‘”•‹‡ǡ

Gdańsk, 152 s. 

Rembiszewski, J. M., H. Rolik 1975. Krągłouste i ryby Cyclostomata et PiscesǤ

ƒ–ƒŽ‘‰ ƒ—›‘Ž•‹ǡ”ʹͶǡ– •–Ǥ‘‘Ž‘‰‹‹ǡǡƒ”•œƒ™ƒǢʹͷͳ•Ǥ

”ƒ„‘™•ƒǡ ǤǡǤ ”ƒ„‘™•‹ʹͲͳ͵Ǥ Ž—•–”‘™ƒƒ‡ ›Ž‘’‡†‹ƒ”›„‘Ž•‹Ǥ

‘”•œ‘™ƒ–‡Ǥ‘›†ƒ™‹ œ›ǡ™›†Ǥ ǡʹ͹ʹ•Ǥ

Winkler, H. M., K. Skóra, R. Repečka, M. Plikshs, A. Neelov, L. Urho, A. Gushin

ƒ† Ǥ ‡•’‡”•‡ʹͲͲͲǤŠ‡ Ž‹•–ƒ†•–ƒ–—•‘ˆˆ‹•Š•’‡ ‹‡•‹–Š‡ƒŽ–‹ ‡ƒǤ

ǤǤʹͲͲͲȀ‹‹ǣͳͳǢͳͷ’’Ǥ

”›‰‹‡ŽǡǤǡǤ”‡ŽŽƒǡǤ ”‡Ž‘™•‹ʹͲͲͶǤƒ”‹ƒ–‹‘‹–Š‡‘ —””‡ ‡‘ˆ˜‹•‹–‹‰ǡ

‘Ǧ—‡”‘—•ǡƒ†ƒŽ‹‡ˆ‹•Š•’‡ ‹‡•‹–Š‡ƒ—–—Ǧ™‹–‡”•‡ƒ•‘•‘ˆͳͻ͹͸Ǧ

ʹͲͲͶ‹–Š‡•‘—–Š‡”ƒŽ–‹ ‡ƒǤ‘•–‡”‘Ǥ͸ͻȀ Ͳʹ–Ž‹‡ ‹•Š’‡ ‹‡•

›’‘•‹—ȋ͸ǦͳͲǤͲͻǤʹͲͲͶǡƒŽŽ‹ȌǢȏ‹ǣȐ —”‘’‡ƒ‘‰”‡••‘ˆ

Š–Š›‘Ž‘‰›ǡ„•–”ƒ –˜‘Ž—‡ǡ’Ǥͳ͹ͻǤ

Grygiel, W., A. Kurowicki, A. Grelowski 2002. Charakterystyka połowów

badawczych ryb i warunków hydrologicznoǦ‡–‡‘”‘Ž‘‰‹ œ› Š™ȋ”‡Œ•

r.v. „Baltica”, 18.02ǦʹͳǤͲ͵ǤʹͲͲʹr.). Opracowanie wyników rejsu, Mor. Inst.

›„Ǥǡ †›‹ƒǢ͵͵•Ǥǡƒ•œ›Ǥ’‘™‹‡ŽǤ

‘‘ŽǡǤʹͲͲͺǤŽƒ‹ƒ‹‘Ž‡Œƒ„”œƒƒǤ–ƒ Œƒ‘”•ƒ™ ‡Ž—ǡ •–Ǥ ‡ƒǤ

Uniw. Gdańskiego;

Š––’ǣȀȀ™™™ǤŠ‡ŽǤ—‹˜Ǥ‰†ƒǤ’ŽȀƒ–—ȀʹͲͲͺȀ’Žƒ‹ƒ‹„”œƒƒǤŠ–Ǥ

ƒ†–‡ǡǤǡǤ‘†œ‹‘™•‹ǡǤ ”›‰‹‡ŽʹͲͲͻǤ‡•‡ƒ” Š”‡’‘”–ˆ”‘–Š‡‘Ž‹•Š

r/v “Baltica” the Baltic International Trawl Survey in February 2009. Working

’ƒ’‡”‘–Š‡  ‡‡–‹‰‹›•‡‹Žȋ™‡†‡ȌǢ͵ͲǤͲ͵Ǥ–Ͳ͵ǤͲͶǤʹͲͲͻǢͳ͹’’Ǣ

ʹͲͲͻȀǣͲͷǡ‡ˆǤǣ ǡǤ

”‡ŽŽƒǡǤǡǤœ›ƒ‡ƒ†Ǥ ”›‰‹‡ŽʹͲͳͲǤ‡•‡ƒ” Š”‡’‘”–ˆ”‘–Š‡ƒŽ–‹ 

–‡”ƒ–‹‘ƒŽ”ƒ™Ž—”˜‡›ȋ ͳȌ‹–Š‡‘Ž‹•ŠȋͳͲǦʹ͹ǤͲʹǤʹͲͳͲȌǤ

‘”‹‰’ƒ’‡”‘–Š‡  ‡‡–‹‰‹Žƒ‹’‡†ƒȋ‹–Š—ƒ‹ƒȌǢʹʹǦ

ʹ͸ǤͲ͵ǤʹͲͳͲǢȏ‹ǣȐ ʹͲͳͲȀ ǣͲ͹ǡ‡š͸Ǣ Ǥ ǡ ǡ

Ǣ’’Ǥʹ͸͵Ǧʹ͹͹Ǥ

Grygiel, W. 2016. Popularne i rzadkie gatunki ryb w Bałtyku Ǧwystępowanie i

zróżnicowanie nazw (część 2). Wiadomości Rybackie nr 1ǦʹȋʹͲͻȌǡ‹•‘‘”Ǥ

•–Ǥ›„ǤǦPań. Inst. Badaw., Gdy‹ƒǢͳͻǦʹ͵Ǥ



͹͸

ƒœ™ƒ

‰ƒ–—‘™ƒ

ƒ”Ž‹

‘”•œ œ—

‡—”‘’‡Œ•‹

•‘Žƒœ™› œƒŒƒ







– 86 –

ƒœ™ƒ

łacińska

Trisopterus

minutus

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Merluccius

merluccius

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ

Poz. 230

‹–‡”ƒ–—”ƒ

Grygiel, W. 2015. Popularne i rzadkie gatunki ryb w Bałtyku Ǧzróżnicowanie

nazw (część 1). Wiadomości Rybackie, nr 5Ǧ͸Ǣ‹•‘‘”Ǥ •–Ǥ›„ǤǦ ǡ

†›‹ƒǢͳ͸ǦʹͳǤ

Grygiel, W. 2009. „Tymczasowi przybysze” w polskich połowach ryb na

Bałtyku. Wiadomości Rybackie”͹Ǧͺȋͳ͹ͲȌȀʹͲͲͻǡ‹•‘‘”Ǥ •–Ǥ›„Ǥǡ

†›‹ƒǢͳ͸ǦͳͺǤ

ƒ’ƒ”–ǦKałużniacka, M., T. Heese, A. Sokalska, M. Arciszewski 2007. Obce i

rzadkie gatunki ryb w Bałtyku Ǧplaga czy sygnał zmian klimatu? [w:]

Konferencja szkoleniowa "Ichtiologia dawniej i dziś"; 19ǦʹͲǤͲͶǤʹͲͲ͹ǡƒ–‡†”ƒ

‘‘Ž‘‰‹‹ǡ›†œǤ‹‘Ž‘‰‹‹ǡǡŽ•œ–›Ǣ•Ǥ͵ʹǤ

Skóra, K. 1998. Chelon Chelon labrosusȋ‹••‘ȌǤ–ƒ Œƒ‘”Ǥ •–Ǥ ‡ƒ‘Ǥ‹™Ǥ

Gdańskiego; http://www.hel.univ.gda.pl/aktu/archiwum/ch.html. 

Solea solea

ȋ‹ƒ‡—•ǡ

ͳ͹ͷͺȌ



Winkler, H. M., K. Skóra, R. Repecka, M. Plikshs, A. Neelov, L. Urho, A. Gushin

ƒ† Ǥ ‡•’‡”•‡ʹͲͲͲǤŠ‡ Ž‹•–ƒ†•–ƒ–—•‘ˆˆ‹•Š•’‡ ‹‡•‹–Š‡ƒŽ–‹ ‡ƒǤ

ʹͲͲͲȀ‹‹ǣͳͳǢͳͷ’’Ǥ

Siedlecki, M. 1947. Ryby morskie częściej poławiane na Bałtyku i północnym

–Žƒ–›—Ǥ›†ƒ™Ǥ‘”Ǥ •–Ǥ›„Ǥǡ †›‹ƒǡ‘‘‰”ƒˆ‹ƒǡ™›†Ǥ ǢͳͶͻ•Ǥ

”›‰‹‡ŽǡǤʹͲͳ͸Ǥƒ”‡ƒ†’”‘–‡ –‡†ˆ‹•Š•’‡ ‹‡•‹–Š‡‘Ž‹•Š ‘‡” ‹ƒŽ

ƒ– Š‡•ǡ‘‹–‘”‡†„›–Š‡‹•–‹–—–‡‘„•‡”˜‡”•‹–Š‡ƒŽ–‹ ‡ƒȋʹͲͳ͵ǦʹͲͳͷȌǤ

”‡•‡–ƒ–‹‘ƒ†•—ƒ”›ƒ––Š‡  ‡‡–‹‰‹‘•–‡†‡ǢͲ͹Ǧ

ͳͳǤͳͳǤʹͲͳ͸ǢͳͶ’’Ǥ

Grygiel, W. 2017. Ryby rzadko spotykane, mało liczne i chronione w

południowym Bałtyku Ǧƒ’‘†•–ƒ™‹‡‘‹–‘”‘™ƒ› ŠȋʹͲͳ͵ǦʹͲͳͷȌ’‘Ž•‹ Š

połowów komercyjnych. Wiadomości Rybackie, nr 3ǦͶȋʹͳ͸ȌʹͲͳ͹ǡ‘”Ǥ •–Ǥ

›„ǤǦPań. Inst. Badaw., Gdynia; 18ǦʹͳǤ

͹͹

™‹–Ž‹‡

•ƒ”†‡Žƒ‡—”‘’‡Œ•ƒ

ƒ”‡Žƒƒ–Žƒ–› ƒ

œƒ”‹ƒ

‘•–”‘„‘’‘•’‘Ž‹–›

’Žƒ‹ƒ

‘”•œ œ—œ™› œƒŒ›

•›Ǥ‘”•œ œ—

‡—”‘’‡Œ•‹

œ‹‹ ƒ

•‘Žƒœ™› œƒŒƒ



połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów





Razem

połów (liczba

‘•‘„ików)

liczba rekordów

2015

babka szczupła

(babka rzeczna)

połów (kg)

2014

babka bycza

2013

ƒ„‡ŽƒͳǤͷǤʹǤ Dane z polskich połowów komercyjnych w latach 2013ǦʹͲͳͷ ‘‹–‘”‘™ƒ› Š ’”œ‡œ

obserwatorów naukowych z MIRǦ ǡ †›‹ƒ ȋ™edłu‰ Ǥ ”›‰‹‡Žǡ  ǦPIB). Pogrubioną

czcionką zaznaczono gatunki obce wBałtyku.

ͳ͵ǡ͹ͷ

͵Ͳǡͺ͸

͸ǡͳ͹

ͷͲǡ͹ͺ

ͻ

ͳ͹

͸

͵ʹ

ʹʹͶ

ͲǡͲͷ

ʹ

ʹ

ͻ͹ǡͻͶ

ʹͳͶ

ͳͲ



Ͷͳͷ







ʹʹͺǡʹͶ

͸ʹ͵

ʹ͵









ͷǡ͵Ͳ

ͳͲ

Ͷ

ͲǡͶͲ

ͳ

ͳ



Ͷ͵ǡͺͶ

ͻͲ

͸

ͷ͵ǡͺͳ

ͷʹ

ʹͳ











ͳǡͲͲ

ͳ

ͳ



Ͳǡʹ͸

ͳ

ͳ



ͲǡͶ͸



ͳ



Ͳǡʹͳ

ͳ

ͳ

ͳ

ͲǡͳͶ

ͳ

ͳ













͹ͺ

ͳͳͶ

ͲǡͲʹ

ͳ

ͳ

͵Ͷͷǡʹ͵

ͳͻͲͷ

ʹ͵

ͷͲͻǡͶͶ

͵Ͳ͵͵Ͷ

ͳͲ

ʹͻǡ͸ͻ

͸ͻ

ͳͷ

͸ǡͳͳ

ͷ

ͷ

Ͷǡͺ

ͶͺͲ

ͳ

Ͳǡͷͻ

ͳ

ͳ

ͳǡʹͲ

ͳ

ͳ

Ͳǡ͵ͺ

ʹ

ʹ

ͲǡͶͶ

ͳ

ͳ

͹ͷ͵

ͲǡͲ͹

͵

͵

͸͹ͳǡͶͳ

ʹ͹Ͷʹ

ͷ͸

ͷͲͻǡͶͶ

͵Ͳ͵͵Ͷ

ͳͲ

͹ͺǡͺ͵

ͳ͸ͻ

ʹͷ

͸Ͳǡ͵ʹ

ͷͺ

ʹ͹

Ͷǡͺ

ͶͺͲ

ͳ

ͳǡͺͷ

͵

͵

ͳǡ͸͸

ʹ

ʹ

Ͳǡ͹͵

Ͷ

Ͷ

ͲǡͶͶ

ͳ

ͳ

Miesiąc

wystąpienia

rekordu

Ͷǡ͸Ǧͳͳ

͹ǡͻ

ͳǦͳʹȋ‡šŽ ǤͻȌ

ʹǦͶǡͳʹ

ʹǦͺ

ͳǦʹǡͷǦͳʹ

ʹ

͸Ǧͺ

ͷǡͺ

ͳǦʹǡ͹Ǧͺ

ͺ

ƒ”‡Žƒ

ƒ–Žƒ–› ƒ





połów (liczba

osobników)

Ž‹ œ„ƒ

rekordów

połów (kg)

połów ȋŽ‹ œ„ƒ

osobników)

Ž‹ œ„ƒ

rekordów

2014

2015

2016

Razem

połów (liczba

osobników)

Ž‹ œ„ƒ

rekordów

połów (kg)

2013

•ƒ”†‡Žƒ

‡—”‘’‡Œ•ƒ

połów (kg)

2012

™‹–Ž‹‡

2011

ƒ„‡ŽƒͳǤͷǤ͵Ǥ Wykaz gatunków ryb wizytujących złowionych w  ™ ”‡Œ•ƒ Š „ƒ†ƒ™ œ› Š –›’—  

™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ™edłu‰Ǥ ”›‰‹‡Žǡ Ǧ ȌǤ

Ͳǡͷͷ





Ͳǡ͵ͻ

ͳǡͳͶ



ʹǡͲͺ

ͷǡͲͲ





ʹǡͲͲ

ͶǡͲͲ



ͳͳǡͲͲ









Ͳǡʹ͸



ͳǡͲͲ









ͳǡͻͷ

͹ǡͲͲ

͸ǡͲͲ









ͳǡͲ͸

͵ǡͲͲ

ʹǡͲͲ

͹ͻ

ʹǡͲͲ













͸ǡͲͲ

ͲǡͲ͸

ʹǡͲͲ

ͳǡͲͲ















͵ǡͶ͵



ͳǡͲͲ

ͺǡͲͲ

ͲǡͲ͸

ʹǡͲͲ

ͳǡͲͲ

͸ǡ͸ͻ

ͳͲǡͲͲ

ͳͲǡͲͲ

Miesiąc

wystąpienia

rekordu

͸ǡͻǡͳͲ

ͻ

ͻ

połów (liczba

osobników)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

Ͳǡͳͺ



























ʹ

ͲǡͲͶ



ͳ͸

͸ǡͶͲ



ͳ

2011

ͲǡͳͲ







ͳ

Ͳǡ͵͸

ͳ













ͳ

ͳǡͳͲ









ͻ

ͻǡͳ͸

Ͷȗ



2012

































ʹ

ͲǡͲͷ

͵

ͷ

ͳǡͻͳ

͵ȗ

ʹ

2013

ͲǡͲ͹



ͺͲ

ͲǡͲ͸

ͳ













͹

͸ǡʹ͵

ͳͲ







͹

Ͳǡͷ͹

͵ͻ

ͳͳ

ͳͲǡͶʹ

͵ͻ



2014





ͲǡͲ͸

ͳ

ͳ

ͲǡͶʹ

ͳ

ͳ

ͲǡͶʹ

ͳ







ʹ

Ͳǡʹ͸

ʹ

ͳͳ

ͳ͸ǡͲ͹

Ͷʹ͵

ͳ͸

ͳ͵ǡʹʹ

ͷͺ

͵

2015

ͲǡͲͺ

͸

Ͳǡͳ͹









͵ȗ

ʹǡͲͲ

͵ȗ







ʹ





ͳ͸

͵ǡͲͲ

͵ͻȗ

ͳʹ

ͺǡͳͻ

ͳͻ

ͳͳ

2016

ͲǡͶ͵

ͻȗ

ͲǡͶ͹

ʹ

ʹ

Ͳǡ͹ͺ

ʹ

Ͷ

ʹǡͶʹ

Ͷ

͹

͸ǡʹ͵

ͳͲ

ͷ

ͳǡ͵ͷ

ʹ

͵ͺ

ͳͻǡ͹͵

ͷͲͶ

͸ͻ

Ͷͻǡʹͻ

ͳʹ͵

ͳ͹

Ͳǡ͸ͻ

ͳͷ

ʹ

ʹǡͳͳ

ʹǡͳͳ

ʹǡͳͳ

ʹ

ʹǡͳͳ

ʹǡͳͳ

ʹǡͳͳ

– 89 –



œ‹‹ ƒ

’Žƒ‹ƒ

‘•–”‘„‘

’‘•’‘Ž‹–›

œƒ”‹ƒ

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (kg)

połów (liczba

osobników)

liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

Miesiąc

wystąpienia

rekordu

Monitor Polski

ƒ”‡Žƒ

ƒ–Žƒ–› ƒ

•ƒ”†‡Žƒ

‡—”‘’‡Œ•ƒ

™‹–Ž‹‡

„ƒ„ƒ„› œƒ

Razem

ƒ„‡ŽƒͳǤͷǤͶǤ Wykaz gatunków ryb obcych i wizytujących złowionych w ™”‡Œ•ƒ Š„ƒ†ƒ™ œ› Š–›’— ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ™edłu‰Ǥ ”›‰‹‡Žǡ Ǧ ȌǤ



liczba rekordów

połów (kg)

połów (liczba

osobników)

liczba rekordów

ȗBrak informacji z pierwszego kwartału.













2011



2012

ͳ







2013



ͺͳ







2014

ͳ

ͳ

ͲǡͲ͵

ͳ

2015

ͳ

ͳ

ͲǡͲ͹



2016

ͳ

ʹ

ͲǡͳͲ

ͳ

Razem

Ͷ

ʹ

Monitor Polski

– 90 –



ƒ”Ž‹

Miesiąc

wystąpienia

rekordu

ƒ„‡ŽƒͳǤͷǤͷǤ Obserwacje gatunków wizytujących ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ™edłu‰Ǥ ”›‰‹‡ŽȌǤ

Nazwa gatunkowa

Nazwa łacińska

Obserwacja

Š‡Ž‘‰”—„‘™ƒ”‰‹

Chelon labrosusȋ‹••‘ǡͳͺʹ͹Ȍ

‘•–”‘•œ

Trachinus dracoȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

’‡Žƒ‹†ƒ

Sarda sardaȋŽ‘ Šǡͳ͹ͻ͵Ȍ

samogłów

Mola mola ‹ƒ‡—•ǡͳ͹ͷͺ

włócznik

Xiphiasgladius‹ƒ‡—•ǡͳ͹ͷͺ

ƒ”‡Žƒƒ–Žƒ–› ƒ

Scomber scombrus‹ƒ‡—•ǡͳ͹ͷͺ

‘”•œ œ—

œ™› œƒŒ›•›Ǥ

‘”•œ œ—

‡—”‘’‡Œ•‹

Merluccius merlucciusȋ‹ƒ‡—•ǡͳ͹ͷͺȌ

†‹ƒ ŠʹͲǦʹͳwrześniaͳͻͻͺ”Ǥ™ƒ–‘ ‡— ‹‡Œ

złowiono chelona o długości 64 cm i masie 2,61 kg

(po wypatroszeniu; Skóra 1998). Za Grygiel (2009) Ǧ

™†‹—ͳͶŽ‹•–‘’ƒ†ƒ2007 r. w północnej części

Jeziora Dąbie (k/Szczecina) Ǧna północ od

Stołczyna, polscy rybacyżakami węgorzowymi

złowili chelona (wiek 2+) o długości całkowitej 26,7

‹ƒ•‹‡ͳ͹͸ǡͺ‰ȋ™edłu‰Ǥœ‡”‹‡Œ‡™•‹–

’‡”•‘ƒŽ ‘—‹ ƒ–‹‘ȌǤ™™Ǥ‘”‡•‹‡”›„ƒ ›œ‡

Świnoujścia także złowili chelona.

†‹—ͳ•‹‡”’‹ƒʹͲͳ͸”Ǥ—–‡”Ǧͷʹǡ™

™ƒ†”ƒ ‹‡”›„ƒ ‹Ǧ7, dorszową siecią stawną

złowił ostrosza o długości 21 cm i masie 70 g (dane

 Ǧ ǡ †›‹ƒȌǤ•–”‘•œ‡„ƒ”†œ‘”œƒ†‘

spotykane są w polskich wodach Bałtyku

(Kraczkiewicz 1971, Obara 2009, Skóra 2009,

”›‰‹‡ŽʹͲͳͷȌǤ†‹—ͳ͹września ʹͲͲͺ”Ǥ™

ƒ‰‡””ƒ—ȋ‘”™‡‰‹ƒȌ™–”ƒ ‹‡ƒŽ‹„”ƒ Œ‹

akustycznej na r/v "Baltica", wędką złowiono

ostrosza o długości 40 cm (W. GrygielǦ’‡”•‘ƒŽ

‘—‹ ƒ–‹‘ȌǤ

Złowiona w żak, w Zatoce Puckiej między Kuźnicą a

Jastarnią, †‹ƒʹͶ•‹‡”’‹ƒ2016 r. przez załogę

—–”ƒ Ǧ107, mierzyła około50 cm długości,

ważyła około2 kg. Kilka dni wcześniej załoga kutra

KUŹǦ47 także złowiła pelamidę (S. Smoliń•‹Ǧ

’‡”•‘ƒŽ ‘—‹ ƒ–‹‘ȌǤ

Według M. Bała (2016) młodą rybę około͸Ͳ 

długości w Zatoce Puckiej złowili rybacy z Kuźnicy

w 2014 r. Pojedyncze małe, młode osobniki

samogłowa bardzo sporadycznie występowały także

wcześniej w wodach Bałtyku, w tym również u

polskich wybrzeży (Siedlecki 1947, Skóra 2005,

‘ǤʹͲͲͻƒǡʹͲͳ0c za Skóra 2005). Wedłu‰

”›‰‹‡ŽƒȋʹͲͳͲȌǦ™†‹—ͳʹpaździernika ʹͲͳͲ”Ǥ

rybacy z kutra “ŁEBǦ12” k/Łeby złowili młodego

osobnika o długości 75 cm i masie 17,2 kg. 

Za M. Bała (2016) Ǧ™ʹͲͳͷ‹ʹͲͳ͸”Ǥ—’‘Ž•‹ Š

brzegów Bałtyku złowiono dwa włóczniki ǦʹͷͲ 

długości. W dn‹—ʹŽ‹•–‘’ƒ†ƒʹͲͲͷ”Ǥ’‘Ž• ›”›„ƒ ›

łodziowi z Unieścia netami dorszowymi złowili

samca włócznika o długości całkowitej 189 cm i

masie 30,5 kg (Wyszyński i Pelczarski 2005). W dniu

ͳͷŽ‹•–‘’ƒ†ƒ2015 r. załoga łodzi KRSǦʹ͹™

południowej części łow. odrzańskiego złowiła

włócznika o długości 239 cm (wedłu‰ Ǧ ǡ

ʹͲͳͷȌǤ

Gatunek obcy w POM, młode i dorosłe ryby

okresowo wizytują . Na przykła†ǦœƒǤ ”›‰‹‡Ž

ȋʹͲͳ͵ȌǦ™†‹ƒ Šͳͻ‹ʹͻwrześniaʹͲͳ͵”Ǥ’‘† œƒ•

rejsu BIAS na r/v "Baltica" złowiono trzy makrele o

długości 32 cm o łącznej masie 1,1 kg w rejonie

południowej części Głębi Gdańskiej (głębokość 20Ǧ

65 m od powierzchni) i w pobliżu Kołob”œ‡‰—ȋͳͶǦ

ʹͲ‘†’‘™‹‡”œ Š‹ȌǤ

œƒ ”›‰‹‡ŽȋʹͲͲͻȌǦrybacy z kutra „WŁAǦ112” w

†‹—ͳ͸ƒŒƒ2009 r. w trakcie połowów dorszy

netami w Rynnie Słupskiej złowili morszczukaǤyła

to ryba 4 letnia, o długości całkowitej 57 cm i masie

ͳͳ͹ͷ‰ȋ™›’ƒ–”‘•œ‘ƒȌǤ‘†‘„‡†™ƒ‘”•œ œ—‹

znalazła załoga ww. kutra w innych,

niemonitorowanych przez MIR połowach.



ͺʹ

„ƒ„ƒ„› œƒ

ROWY - JAROSŁAWIEC

ZACHÓD

ͳ͹ 

ͳ 

ʹ 

Ͷ 

͵ͻͲ 

ͳʹ 

połów (liczba osobników)

połów (liczba osobników)

połów (liczba osobników)

połów (liczba osobników)

połów (liczba osobników)

połów (liczba osobników)

połów (kg)

połów (kg)

połów (kg)

połów (kg)

połów (kg)

połów (kg)

połów (kg)

ͺ͵

ͳǡͲ͹ 

Ͳǡͻ͸ 

ʹͺǡ͸͵ 

Ͳǡͳʹ 

Ͳǡͳͳ 

Ͳǡʹ͸ 

ͳǡ͵ͷ 

͵͹ǡͲͷ 

Ͷ͹͹ 

połów (kg)

połów (liczba osobników)

2011

ͺʹ 

͸ǡͶͶ 

2013

połów (liczba osobników)

połów (kg)

































2014































2015

























͹Ͷ 

͸ǡͷͺ 







2016



ͳ

ͳʹǡͲͲ

Ͳǡͻ͸

͵ͻͲ

ʹͺǡ͸͵

Ͷ

Ͳǡͳʹ

ʹǡͲͲ

Ͳ

ͳǡͲͲ

Ͳ

ͻͳǡͲͲ

͹ǡͻ͵

Ͷ͹͹

͵͹ǡͲͷ

ͺʹ

͸ǡͶͶ

ͺ

ͺ

͹

ͺ

͹

͹

͹ǡͺ

ͻ

ͺ

– 92 –



„ƒ„ƒ„› œƒ

„ƒ„ƒ„› œƒ

ROWY - JAROSŁAWIEC

WSCHÓD

WŁADYSŁAWOWO JASTRZĘBIA GÓRA

„ƒ„ƒ„› œƒ

PÓŁWYSEP HEL

ƒ”’

„ƒ„ƒ„› œƒ

JAROSŁAWIEC SARBINOWO

„ƒ„ƒ„› œƒ

DZIWNA - ŚWINA

„ƒ„ƒ„› œƒ

„ƒ„ƒ„› œƒ

DZIWNA SARBINOWO

Miesiąc

wystąpienia

rekordu

Monitor Polski

MIERZEJA WIŚLANA



ƒ„‡ŽƒͳǤͷǤ͸Ǥ Szczegółowy wykaz gatunków ryb obcych złowionych w jednolitych częściach wód przybrzeżnychi przejściowychw ramach umówz GIOŚ w latach

ʹͲͳͳǦʹͲͳ͸ȋ Ǧ ȌǤ

Razem



„ƒ„ƒ„› œƒ

karaś srebrzysty

„ƒ„ƒ„› œƒ

karaś srebrzysty

„ƒ„ƒ„› œƒ

karaś srebrzysty

ͳ 

połów (liczba osobników)

ͳ͸ 

ͳ 

połów (liczba osobników)

połów (kg)

połów (kg)

ͳͲʹͳͲ

ͳ͵ʹǡͶͷ

ͺͶ

Ͳǡͳͳ 

Ͳǡͳ͵ 

Ͳǡ͵ͷ 

połów (liczba osobników)

połów (kg)

͸ͻ 

ͺǡ͹ʹ 

͵ͺʹͲ͵

ͶͶͶǡ͵Ͳ

Ͳǡ͸ʹ 

połów (liczba osobników)

połów (kg)

połów (liczba osobników)

połów (kg)

połów (kg)

Ͷǡ͸ʹ 





















Ͳǡ͵Ͳ

͹Ͳ

Ͳǡ͹ͷ

ͷͲʹ͹

͸͹ǡͷͻ

ͻͺ

͵ǡ͹ͺ













2015







ͳǡͲ͵

ͳ 

Ͳǡʹͻ 

͹ͳʹ 

͹ǡ͵͵ 

ͻͻͲͷ

ͳͲͺǡ͵ͷ





͸͵ʹ 

͹ǡͷʹ 

͵͸ͻ 

͹ǡ͵ͳ 





2016



͵ǡʹͺ

ʹͻͶͲͻ

ͶͳͶǡͲͻ

Ͷǡ͹ʹ

ʹ

ͲǡͶʹ

͹ͻͺǡͲͲ

ͺ

͸ͻǡͲͲ

ͻ

ͻʹ͹ͷͶǡͲͲ

ͳͳ͸͹

ͳǡͲͲ

Ͳǡ͸ʹ

ͻͷͳ

ͳʹǡͳͶ

͵͵ʹʹ

ͻʹǡͶ͸

ʹ͹ǡͲͲ

Ͳ

ͳͶǡͲͲ

ͺǡͳ

͹

͹ǡͺǡͳͲ

ͺ

ͺ

͹ǡͺǡͳͲǡͳͳ

ͺ

͹ǡͺǡͳͲ

͹ǡͺǡͳͲ

͸

– 93 –



ZALEW WIŚLANY

ZALEW SZCZECIŃSKI

͵ͳͻ 

połów (liczba osobników)

połów (kg)

babka szczupła

ʹͺͷͷ 

ͺͳǡ͵͹ 

połów (liczba osobników)

połów (kg)

„ƒ„ƒ„› œƒ

ʹ͹ 

Ͳǡ͵ͷ 

połów (liczba osobników)

połów (kg)

„ƒ„ƒ„› œƒ

2014



Monitor Polski

ZALEW PUCKI

ZALEW KAMIEŃSKI

UJŚCIE WISŁY

PRZEKOP

UJŚCIE ŚWINY

2011

ͳͶ 

2013

połów (liczba osobników)

Miesiąc

wystąpienia

rekordu

Razem



͵Ͳʹ͹ 

ͻ 

połów (liczba osobników)

połów (liczba osobników)

połów (liczba osobników)

połów (kg)

połów (kg)

połów (kg)

14763

ͶͶ͵ǡͳ͵

ͺͷ

Ͳǡʹ͵ 

ͳ͵ͷǡͲͶ 

1538

ͷʹǡͶͺ









2014

10452

ͳ͹ͻǡͻͳ

ʹͲͷͻ

ͷͶǡͻͲ

͹ͳͲ

ͳ͹͸ǡͶͲ

ͳ͵

Ͳǡͳ͵

͵ͺ







ͻ͵ 

ͳǡͳͳ 

͹͸͵Ͷ 

40363

54627

ͳͲ͵͵

͵͹ͻǡ͵͹

ͳͶͳ

ͳǡͺʹ

ʹ͵ͳ

ͳʹͺ͵ǡͳͺ

2016

ͳ͹Ͷǡͻͷ 

ͳͲͶ͵ǡ͵Ͳ

2015



ͳͲͺ

͵͸ǡͻ͹

ͳ͹

ͲǡͳͶ

ͳ͵͵

121743,00

͵ͲͲʹ

ͳͲʹǡͲͲ

ͳ

ͳʹ͹ʹͲǡͲͲ

͵͸Ͷǡͺͻ

ͳǡͲͲ

Ͳ

ͳͺ͹ͶǡͲͲ

ͷͻ͸

ͳ͹ͳǡͲͲ

ʹǡͳͲ

ͶͲͶ

͹ǡͺǡͻǡͳͲǡͳͳ

ͺ

͸ǡ͹ǡͺǡͳͲǡͳͳ

ͳͲ

ͺ

ͺ

– 94 –



„ƒ„ƒ„› œƒ

babka szczupła

ͳ 

ͲǡͶ͸ 

połów (liczba osobników)

połów (kg)

ʹ͵ 

͵ǡ͵͵ 





połów (liczba osobników)



2011



2013

ʹ 

Monitor Polski

ZATOKA PUCKA

ZEWNĘTRZNA

ZATOKA GDAŃSKA

WEWNĘTRZNA

„ƒ„ƒ„› œƒ

•–‡”Ž‡–

połów (kg)

karaś srebrzysty

połów (liczba osobników)

połów (kg)

babka szczupła

połów (liczba osobników)

Miesiąc

wystąpienia

rekordu

Razem

karaś

•”‡„”œ›•–›

•–‡”Ž‡–

połów (kg)

połów (liczba

osobników)

połów (kg)

połów (liczba

osobników)

2016

Łącznie

jednolite części

wód

przybrzeżnych

i przejściowych

„ƒ„ƒ

szczupła

2015

„ƒ„ƒ„› œƒ

połów (kg)

połów (liczba

osobników)

2014



2013



2011

ƒ„‡ŽƒͳǤͷǤ͹Ǥ Wykaz gatunków ryb obcych złowionych łącznie w jednolitych częściach wód

przybrzeżn› Š‹przejściowych w ramach umówz GIOŚ w latach 2011ǦʹͲͳ͸ȋ Ǧ ȌǤ

ͳͳͺͲǡ͵

ͻ

ͷͻͺͻͳ

ͳͺͶǡͻ

͵

ͳͳ͹Ͷ

ͺ

͵Ͳ͹ǡʹ

͵

ͳ͹͹Ͷ

Ͷ

ͳ͵Ͷͺǡͺ

ͷ

ͳ͹ͲͲǡͻ

͵

͵ʹͺ



͹Ͷʹ

ͳǡͺʹ



ͳ͵

ͳ͹͸ǡͶ

Ͳ

ͺǡ͹͹

͵͹ǡʹ͹

͵͹ͻǡ͵͹









ͶǡͺͶ

ͳʹǡͺͲ

ͻͶ

połów (kg)

połów (liczba

osobników)

ͲǡͶ͸

ͳ

połów (kg)

połów (liczba

osobników)

ƒ”’

Ͳǡʹ͸

ͳ











Ͳǡͳ͵

͹ͳͲ

ͷͻͳͻͳ



ͳͲͻ











ͺͶ͵ͳͳ

ͳͶͳ

ͳͲ͵͵









Fitoplankton, makrofity, makrozoobentos i zooplankton



‘ ʹͲͳͳ ”Ǥ zanotowano w obrębie  30 gatunków nierodzimych należących do grup

fitoplanktonu, zooplanktonu, makrofitów, œ‘‘„‡–‘•—‘”ƒœƒ™‹ˆƒ—›ȋ–ƒ„‡ŽƒͳǤͷǤͺȌȋGIOŚʹͲͳͶȌǤ



ƒ„‡ŽƒͳǤͷǤͺǤ Wykaz gatunków obcych notowanych w †‘ʹͲͳͲ”Ǥ

Lp.

Nazwa gatunkowa

Alexandrium

ostenfeldii

ͳǤ

Prorocentrum

minimum

ʹǤ

Pseudochattonella

farcimen

͵Ǥ

ͶǤ

Elodea canadensis

ͷǤ

Chara connivens

͸Ǥ

Acartia tonsa



Pierwsza

obserwacja w

Polsce

ʹͲͲͳ”Ǥ

ͳͻͺͻ”Ǥ

ʹͲͲͳ”Ǥ

ͳͺ͹Ͳ”Ǥ

ͳͻ͹ͷ”Ǥ

ͳͻʹͷ”Ǥ

Miejsce

występowania w

polskich obszarach

morskich

FITOPLANKTON

ƒŽ‡™— ‹

Zatoka Gdańska, wody

‘–™ƒ”–‡ƒ•‡—

‘”Š‘Ž•‹‡‰‘

Zatoka Gdańska

MAKROFITY

Zalew Szczeciński,

Zalew Wiślany

Zalew Szczeciński

Zalew Wiślany

ZOOPLANKTON

cały południowy

Bałtyk

ͺ͸

Literatura/Źródło

Š––’ǣȀȀŠ‡ŽǤ—‹˜Ǥ‰†ƒǤ’ŽȀƒ–—ȀʹͲͲ͵ȀŽ—‹‡•

‡ ŒƒǤŠ–Ǣ

ȋʹͲͲͶȌ

Ž‡‹ƒ‹‹ǤȋʹͲͳͲȌǢ

”œ‡„›‹‹ǤȋʹͲͲ͹ȌǢ

‡’‘”–‘ˆ–Š‡ ȋʹͲͲͻȌ

Ž‡‹ƒ‹‹ǤȋʹͲͳͲȌǢ

‡’‘”–‘ˆ–Š‡ Ǣ

Łotocka ȋʹͲͲͻȌ

ƒ”„ƒ ‹ǦWesołowska (1969);

Pliński (1978)

”œ‡•ƒȋ‹ˆǤ—•–ƒȌǢ

Pliński i in. (1978) 

œ‘•ƒȋͳͻ͵ͺȌǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌ

͹Ǥ

Cercopagis pengoi

‘‹‡ Žƒ–ǤͻͲ

ͺǤ

Mnemiopsis leidyi

ʹͲͲ͹”Ǥ

ͻǤ

Anguillicola crassus

ͳͻͺͺ”Ǥ

ͳͳǤ

Cordylophora caspia

Balanus improvisus

ͳͲǤ

Chaetogammarus

ischnus

ͳʹǤ

Chelicorophium

curvispinum

ͳ͵Ǥ

Dikerogammarus

villosus

ͳͶǤ

Dikerogammarus

haemobaphes

ͳͷǤ

ͳͺͶͶ”Ǥ

’”œ‡†ͳͺͶͲ”Ǥ

ͳͻʹͺ”Ǥ

ͳͻʹͲ”Ǥ

ʹͲͲ͵”Ǥ

ͳͻͻ͸”Ǥ

ͳ͸Ǥ

Dreissena polymorpha

ͳ͹Ǥ

Eriocheir sinensis

ͳͻʹͺ”Ǥ

ͳͺǤ

Gammarus tigrinus

ͳͻͺͺ”Ǥ

ͳͻǤ

ʹͲǤ

Hemimysis anomala

Hypania invalida

Lithoglyphus

naticoides

ʹͲͲͷ”Ǥ

ʹͲͳͲ”Ǥ

ʹʹǤ

Marenzelleria neglecta

ͳͻͺ͸”Ǥ

ʹ͵Ǥ

Mya arenaria

Średniowiecze

ʹͷǤ

Orconectes limosus

ͳͺͻͲ”Ǥ

ʹ͸Ǥ

Palaemon elegans

ʹͲͲʹ”Ǥ

ʹͳǤ

Obesogammarus

crassus

ʹͶǤ



‘ołoͳͺͲͲ”Ǥ

ͳͺ͹͵”Ǥ

‘ołoͳͻͻͲ”Ǥ

Bałtyk właściwy,

Zatoka Gdańska,

Zalew Wiślany, Zalew

Szczeciński,

‘†›‘–™ƒ”–‡ƒ•‡—

‘”Š‘Ž•‹‡‰‘

ƒ–‘ƒ— ƒǡ

zachodnia część Zatoki

Gdańskiej

ZOOBENTOS

Zalew Wiślany,

Zatoka Gdańska

cały południowy

Bałtyk

Zalew Szczeciński,

ƒŽ‡™Wiślany

Zalew Wiślany



Zalew Szczeciński,

Zalew Wiślany

Zalew Szczeciński,

Zalew Wiślany,

Zatoka Gdańska

Zalew Wiślanyǡ

Zatoka Gdańska

Zalew Wiślany, Zalew

Szczeciński

wzdłuż Półwyspu

‡Ž•‹‡‰‘ǡƒ–‘ƒ

— ƒǡƒ–‘ƒ

Gdańska, Zalew

Szczeciński

ƒ–‘ƒ— ƒǡƒŽ‡™

Wiślany, Zalew

Szczeciński

Zatoka Gdańska

Zalew Szczeciński

Zalew Szczeciński,

Zalew Wiślany 

cały południowy

Bałtyk, Zalew Wiślany,

Zalew Szczeciński

cały południowy

Bałtyk

Zalew Wiślany,

ƒŽ‡™Szczeciński,

Zatoka Gdańska

Ujście Odry, Zalew

Szczeciński,

Zalew Wiślany

Zatoka Gdańska,

ƒ–‘ƒ‘‘”•ƒǡ

ͺ͹

Poz. 230

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

Żmudziński (1999);

ƒ‹‘‹‹ǤȋʹͲͳͳȌǢ

Ž•œ‡™•ƒȋʹͲͲ͸Ȍ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌǢ

ƒƒ•‹‰”—†‘ȋʹͲͲ͹Ȍ

ƒ‹‘‹‹ǤȋʹͲͳͳȌǢ

„‹‘†‹˜Ǥ‘•Ǥ‰‘˜Ǥ’Ž

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌ

Š––’ǣȀȀ™™™Ǥ‘„ƒ‹•Ǥ‘”‰Ȁƒ–‹‘ƒŽ ˆ‘Ǥƒ•’

?countryID=PL&taxaID=195; Jażdżewski i

‘‘’ƒ ƒȋʹͲͲʹȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

Jażdżewski i in. (2005);

”ƒ„‘™•‹‹‹ǤȋʹͲͲ͹Ȍ

Jażdżewski i in. (2005);

Jażdżewski i Konopacka (1995);

‘‘’ƒ ƒȋʹͲͲͶȌ

Jażdżewski i Konopacka ȋʹͲͲͲǡʹͲͲʹȌǢ

‘„”œ› ƒǦ”ƒŠ‡Ž‹œ‡›‘™•ƒȋʹͲͳͲȌ

‘‘’ƒ ƒȋʹͲͲͶȌǢ

‘„”œ› ƒǦ”ƒŠ‡Ž‹œ‡›‘™•ƒȋʹͲͳͲȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌǢ

‹–‘”ȋͳͻ͸ͻȌǢ

Stańczykowska i in. (2010)

Jażdżewski i in. (2005);

”ƒ„‘™•‹‹‹ǤȋʹͲͲͷȌǢ

‘”ƒ–‹‹ǤȋʹͲͲͲȌǢ

‘”ƒ–‹‹ǤȋʹͲͲʹȌǢ

œ‡”‹‡Œ‡™•‹‹ ‹Ž‹’‹ƒȋʹͲͲͳȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

”ƒ„‘™•‹‹‹ǤȋʹͲͲ͹ȌǢ

ƒ ƒŽ‡‹‹ǤȋʹͲͲͺȌǢ

œƒ‹ƒ™•ƒ‹‹ǤȋʹͲͲ͵ȌǢ

Jażdżewski i in. (2004);

Jażdżewski i in. (2005)

ƒƒ•‹›•‘ ‹ȋʹͲͲͷȌ

Woźniczka i in. (2011)

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ’ œ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌǢ

ƒ”œ‘ Šƒ‹‹ǤȋʹͲͲͷȌǢ

œŠ‘˜ƒ‹‹ǤȋʹͲͲͷȌǢ

ƒ•–”‘’‹‹ǤȋͳͻͻͷȌǢ

”—•œƒȋͳͻͻͳȌǢ

Żmudziński i in. (1996)

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌ

‘‘’ƒ ƒȋʹͲͲ͵ǡʹͲͲͶȌǢ

Konopacka i Jażdżewski (2002);

‘„”œ› ƒǦ”ƒŠ‡Ž‹œ‡›‘™•ƒȋʹͲͳͲȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒƒ•‹‹ǤȋʹͲͲͶƒȌǢ

”ƒ„‘™•‹ȋʹͲͲ͸ȌǢ

Pontogammarus

robustoides

ʹ͹Ǥ

Potamopyrgus

antipodarum

ʹͺǤ

Rhithropanopeus

harrisi

ʹͻǤ

͵ͲǤ

– 97 –

Branta canadensis



ͳͻͺͺ”Ǥ

’‘ͳͻͲͲ”Ǥ

’”œ‡†ͳͻͷͳ”Ǥ

ͳͻ͵ͷ”Ǥ

Poz. 230

Zalew Wiślany,

wzdłuż otwartego

wybrzeża

ƒŽ‡™Wiślany,

Zalew Szczeciński,

Zatoka Gdańska

ƒƒ•‹”—•ƒȋʹͲͳͲȌ

‘‘’ƒ ƒȋʹͲͲͶȌǢ

‘„”œ› ƒǦ”ƒŠ‡Ž‹œ‡›‘™•ƒȋʹͲͳͲȌ

Zalew Szczeciński,

Zatoka Gdańska

Zatoka Gdańska,

Zalew Wiślany, Zalew

Szczeciński

AWIFAUNA

Zalew Wiślany, Zatoka

Gdańska

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

ƒƒ•‹‹ǤȋʹͲͲͶ„ȌǢ

ƒ‹‘‹‹ǤȋʹͲͳͳȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

Jażdżewski i in. (2005);

œ‡”‹‡Œ‡™•‹ȋʹͲͲͻȌ

Š––’ǣȀȀ™™™Ǥ‹‘’Ǥ”ƒ‘™Ǥ’ŽȀ‰ƒ–—‹‘„ ‡ȀǢ

‡‹••‡”‹œ‘ƒȋʹͲͲͻȌ

W wyniku badań prowadzonych w ramach PMŚ w latƒ Š ʹͲͳͳǦʹͲͳ͸ ™ ™‘†ƒ Š

przejściowych i przybrzeżnych, jak również w wodach otwartego morza zanotowano szereg

gatunków nierodzimych, których wyst꒑™ƒ‹‡ ’”œ‡†•–ƒ™‹‘‘ ™ –ƒ„‡Ž‹ ͳǤͷǤͻǤ  ‡Žƒ Š

porównawczych gatunki zostały dodatkowo uporządkowane uwzględniając podział jednostek

oceny, który został zastosowany we wstępnej ocenie stanu środowiska wód morskich polskiej

strefy Morza Bałtyckiego.



ƒ„‡ŽƒͳǤͷǤͻǤ Wykaz gatunków obcych fitoplanktonu, œ‘‘’Žƒ–‘— oraz makrozoobentosu w obrębie

™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ

Akwen

HOLAS II

Podakwen ocena

wstępna 2005-2010

33

Wody otwarte Zatoki

Gdańskiej



Stacja

ͳͳͲ

ͳͳͲ

ͳͳͲ

Ͷ

Ͷ

ͳͲͶ

Basen Gdański

͸

͸

͸

35

Polskie wody

przybrzeżne Zatoki

Gdańskiej



͸

͸

͸

͸

ͳ

ͳ

ͳ

͵

͵

͵

ͳʹ

͸ƒ



Gatunek

Marenzelleria

neglecta

Cercopagis pengoi

Prorocentrum

minimum

Mya arenaria

Marenzelleria

neglecta

Marenzelleria

neglecta

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Rhithropanopeus

harrisii

Acartia tonsa

Cercopagis pengoi

Prorocentrum

minimum

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Dreissena

polymorpha

Marenzelleria

neglecta

Mya arenaria

Mya arenaria

Balanus

improvisus

ͺͺ

2011

2012

2013

2014

2015

2016





š





š

š



š

š

š

š



š

š

š

š

š



š

š

š

š





š











š



š

š



š

š

š







š

š

š

š





š

š

š









š

























š

š

š

š

š

š

š

š



š

š

š





š



š



š



š





š





š



š

š

š



š

š



š









š

š

š



š

š

š

š

š



š















Akwen

HOLAS II

– 98 –

Podakwen ocena

wstępna 2005-2010

Stacja

͸ƒ

͸ƒ

͸

͸







ͳͻ

ͳͻ

ͳͻ

ͳͲ

ͳͲ

ͳ

35A

Polska część Zalewu

Wiślanego



ʹ

ʹ

͵

ͷ

͸

ͺ

ʹ

͵

͵

Basen Bornholmski

͸

͸

͸

36

Wody otwarte

Basenu

Bornholmskiego



ͳ͸

ͳ͸

ͳ͸

ͳ͸

ͳ͵

ͳ͵

ͳ͵

ͳ͵

ͳ͵

ͳ͵

ͷ



Gatunek

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Dreissena

polymorpha

Rangia cuneata*

Marenzelleria

neglecta

Marenzelleria

neglecta

Rangia cuneata*

Marenzelleria

neglecta

Marenzelleria

neglecta

Marenzelleria

neglecta

Marenzelleria

neglecta

Dreissena

polymorpha

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Prorocentrum

minimum

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Prorocentrum

minimum

Balanus

improvisus

Gammarus

tigrinus

Marenzelleria

neglecta

Mya arenaria

Cercopagis pengoi

Prorocentrum

minimum

Gammarus

tigrinus

ͺͻ

Poz. 230

2011

2012

2013

2014

2015

2016









š



š













š









š

š



























š



š









š



š

š



š





š



š

š











š



š

š

š

š

š





š



š

š















š



š

š

š

š





š

š

š



š

š

š





š



















š



















































š

š

š

š

š

š

š



š

š

š





š

š





š



š

š

š

š

š





š

š

š



š

š

š



š

š

š

š

š

š

š

š

š

š

š

š

š

š

š

š

š



š

š

š

š



š



š







š

š





š





š

š

š

š

š

š

š



š





š



š





Akwen

HOLAS II

– 99 –

Podakwen ocena

wstępna 2005-2010

Stacja

ͷ













ͳ

ͳ

ʹ

ʹ

ʹ

͵

͵

38

Polskie wody

przybrzeżne Basenu

Bornholmskiego

Ͷ

Ͷ

ͷ

ͷ

ͷ

͸

͸

͸

͹

͹

ͳͳ

ͳͳ

ͳͳ

ͺ

ͺ

ͺ

ͻ

ͻ

38A

Polska część Zalewu

Szczecińskiego





ʹ

ʹ

ʹ



Gatunek

Prorocentrum

minimum

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Balanus

improvisus

Dreissena

polymorpha

Marenzelleria

neglecta

Balanus

improvisus

ͻͲ

Poz. 230

2011

2012

2013

2014

2015

2016





š

š



š









š

š









š

š

š

š

š





š







š



š





























š









š

š



š

š

š

š

š

š

š

š

š

š

š

š

š

š

š

š



































































š



š











š

š

š







š



š





š











š





š

š



š

š

š



š





š







š













š





š



š





š







š







š

š

š









š







š

š

š



š

š





š

š









š

š













































š

Akwen

HOLAS II

– 100 –

Podakwen ocena

wstępna 2005-2010

Stacja





















 

 

 















ͳʹ

ͳʹ

Wschodni Basen Gotlandzki

ͳ͵ƒ

ͳ͵ƒ

ͳ͵ƒ

62

Polskie

wody

przybrzeżne

wschodniej

części

Bałtyku Właściwego



ͳ͵

ͳ͵

ͳͷ

ͳͷ

ͳͷ

ͳ͸

ͳ͸

ͳ͸

ͳͺ

ͳͺ

ͳͺ



Gatunek

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Dreissena

polymorpha

Potamopyrgus

antipodarum

Dreissena

polymorpha

Potamopyrgus

antipodarum

Dreissena

polymorpha

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Dreissena

polymorpha

Marenzelleria

neglecta

Mya arenaria

Dreissena

polymorpha

Marenzelleria

neglecta

Potamopyrgus

antipodarum

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

ͻͳ

Poz. 230

2011

2012

2013

2014

2015

2016

š







š

š









š

š















š

š





š



š

















š

š

š

š



š

š





š



š







š











š







š



š













š

š

š









š



š



š































š







































š



š





š

š











š

š









š

š









š





š



š

š

š





š









š





š

š





š

š





š



š



š

š

š





š

š

š

š



š

š







š

š

š

š

š





š

š

š



š

š

š





































Akwen

HOLAS II

Podakwen ocena

wstępna 2005-2010

27

Wody otwarte

wschodniej części

Bałtyku Właściwego

Stacja

ͳͶͲ

Ł7

Ł7

Ł7

Ł7

Ł7





Poz. 230

Gatunek

Ǧ

Balanus

improvisus

Marenzelleria

neglecta

Mya arenaria

Cercopagis pengoi

Prorocentrum

minimum

Mya arenaria

Marenzelleria

neglecta

2012

2013

2014

2015

2016













š

š

š

š

š

š



š

š

š

š

š





š



š



š

š

š

ȗ‘™›‰ƒ–—‡‘„ ›™™‘”‡•‹‡ʹͲͳͳǦʹͲͳ͸Ǥ



2011







š





š

š



š

š



š



š

š

š

š

š

š

š

‹‡”‘†œ‹‡‰ƒ–—‹fitoplanktonu oraz zooplanktonu występowały w znikomych ilościach

stanowiących w zdecydowanej większości przypadków poniżej 1% ogólnej ilości i biomasy w

próbach, w których gatunki te występowały. Wyjątek stanowią pomiary z październka 2014 rǤ

‹‡†›‰ƒ–—ek Prorocentrum minimum stanowił 70% biomasy (przy 3% udziale w liczebności)

na stacji ZP6 w rejonie Zatoki Puckiej, lecz był to pojedynczy przypadek, poza którym gatunek ten

nie przekraczał 14% ogólnej biomasy w próbach. Dodatkowo pojawianie się nierodzim› Š

gatunków fitoplanktonu i zooplanktonu w obrębie polskich wód Morza Bałtyckiego miało

charakter incydentalny w odróżnieniu do gatunków nierodzimych makrozoobentosu, których

udział w ogólnej liczbie i biomasie był znaczący. Dla zobrazowania udziału notowanych gatunków

‹‡”‘†œ‹› Š ™ •–”—–—”œ‡ ƒ”‘œ‘‘„‡–‘•— ™ Œ‡†‘•–ƒ Š ‘ ‡›   –ŒǤ ™ ƒ•‡‹‡

Bornholmskim, Wschodnim Basenie Gotlandzkim oraz Basenie Gdańskimǡsporządzono wykresy

liczebności oraz biomasy w latach 2011ǦʹͲͳ͸ȋ”›•ǤͳǤͷǤͳ–”›•ǤͳǤͷǤ͵ȌǤ

We wszystkich rejonach badań głównymi gatunkami występującymi w znacznych

liczebnościach jest wieloszczet Marenzelleria neglectaoraz przedstawiciel małża Mya arenariaǡ

który ze względu na rozmiary osobnicze wykazuje znaczny udział w strukturze biomasy

szczególnie w strefie płytkowodnej Basenu Bornholmskiego (”›•ǤͳǤͷǤͳȌ ‹ • Š‘†‹‡‰‘ ƒ•‡—

‘–Žƒ†œ‹‡‰‘ ȋ”›•ǤͳǤͷǤʹȌǤ ƒ–—‡ Marenzelleria neglecta •–ƒnowił największy udział w

liczebności makrozoobentosu w strefie głębokowodnej Basenu Gdańskiego (”›•ǤͳǤͷǤ͵ȌǤ





14000

600

12000

500

Biomasa (g/m²)

Liczebność (nr/m²)

10000

inne

8000

Rhithropanopeus harrisii

Mya arenaria

6000

Marenzellaria neglecta

4000

inne

Rhithropanopeus harrissi

300

Mya arenaria

200

Marenzellaria neglecta

Gammarus salinus

Gammarus salinus

100

Balanus improvisus

2000

Balanus improvisus

0

2011

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016

0

B13



400

›•ǤͳǤͷǤͳǤ



K6

P16

B13



K6

P16



Udział gatunków nierodzimych w całkowitej liczebności i biomasie ƒ”‘œ‘‘„‡–‘•—wód

ƒ•‡—‘”Š‘Ž•‹‡‰‘(źródło danych PMŚ)Ǥ

ͻʹ

180

160

6000

inne

Rhithropanopeus harrisii

Mya arenaria

Marenzellaria neglecta

L7

›•ǤͳǤͷǤʹǤ

4000

3500



Marenzellaria neglecta

60

Gammarus salinus

40

Gammarus salinus

Balanus improvisus

20

Balanus improvisus

L7



2016

2015

2014

2013

2012

2011

2011

Z

2016

0

2016

2015

2014

2013

2012

2011

2016

2015

2014

2013

2012

2011

0

Mya arenaria

80

2015

2000

Rhitnropanopeus harrisii

100

2014

3000

inne

120

2013

4000

140

2012

5000

1000

Z



Udział gatunków nierodzimych w całkowitej liczebności i biomasie ƒ”‘œ‘‘„‡–‘•—wód

• Š‘†‹‡‰‘ƒ•‡— ‘–Žƒ†œ‹‡‰‘(źródło danych PMŚ)Ǥ

500

450

400

3000

350

2500

Biomasa( g/m²)

Liczebność (nr/m²)

Poz. 230

8000

Biomasa (g/m²)

Liczebność (nr/m²)

Monitor Polski

inne

Rhithropanopeus harrisii

2000

Mya arenaria

Marenzellaria neglecta

1500

1000

inne

300

Rhithropanopeus harrisii

250

Mya arenaria

200

Gammarus salinus

150

Balanus improvisus

100

Marenzellaria neglecta

Gammarus salinus

Balanus improvisus

50

500

›•ǤͳǤͷǤ͵Ǥ



ZN4



P104

P110

ZN4

P104

2016

2015

2014

2013

2012

2011

2016

2015

2014

2013

2012

2016

2015

2014

2013

2012 2013 2014 2015 2016 2012 2013 2014 2015 2016 2011 2012 2013 2014 2015 2016

P110



2012

0

0



Udział gatunków nierodzimych w całkowitej liczebności i biomasie makrozoobentosu wód

ƒ•‡—Gdańskiego(źródło danych PMŚ)Ǥ



ͻ͵

1.6. Czynniki sprawcze i skutki eutrofizacji

Poz. 230



Stężenia substancji biogenicznych i tlenu w wodzie morskiej, a także koncentracje

ŠŽ‘”‘ˆ‹Ž—Ǧa oraz przezroczystość, badane są regularnie od wielu lat w ramach PMŚ, według

wytycznych HELCOM COMBINE. Analizę zmienności stężeń substancji odżywczych, tlenu,

ŠŽ‘”‘ˆ‹Ž—Ǧa oraz przezroczystości przeprowadzono dla wydzielonych akwenów HOLAS na tle

dziesięciolecia poprzedzającego ostatni rok obejmujący opracowanie aktualizacji wstępnej oceny

stanu środowiska wód morskich.



Czynniki sprawcze



Najistotniejszym wskaźnikiem opisującym proces

‡—–”‘ˆ‹œƒ Œ‹ ‘”œƒ Bałtyckiego jest zawartość soli

odżywczych w wodzie morskiej. Substancje te mają

największy, bezpośredni lub pośredni, wpływ na pozostałe

wskaźniki eutrofizacji, m.in. na rozwój fitoplanktonu.

Analizując wielkość ładunku substancji biogenicznych należy

‹‡ć na uwadze wpływ nietypowych zjawisk przyrodniczych,

które miały miejsce w rozpatrywanym okresie, takich jak

wlewy z Morza Północnego z apogeum w 2014 r. (IMGWǦ 

2015), odpływ fal powodziowych wodami Wisły do Zatoki

Gdańskiej w 2010 rǤ (ŁysiakǦƒ•–—•œƒ 2011). Mogą one

zakłócać obraz zmian długoterminowych wpływając na

wartości średnie bądź przebieg linii trendu. 

Zawartość fosforanów (DIP) i nieorganicznego azotu

(DIN) badana jest głównie w okresie zimowym gdy, zgodnie

œƒ–—”ƒŽ› ›Ž‡•‡œ‘‘™›ǡœƒ‹ƒ’”‘†— Œƒ’‹‡”™‘–ƒǡƒwartości stężeń soli biogennych

są najwyższe w ciągu roku. Ta zimowa pula substancji pokarmowych w głównej mierze decyduje

o intensywności produkcji pierwotnej w następnym sezonie wegetacyjnym.

Kontrola stanu środowiska morskiego polskiej EEZ przed rozpoczęciem sezonu

wegetacyjnego, przeprowadzona na początku lutego 2016 r., wykazała znaczny (w Basenie

Bornholmskim nawet dwukrotny) wzrost stężeń nieorganicznych fosforanów w warstwie

powierzchniowej poszczególnych akwenów w porównaniu do średniej obserwowanej dla

wartości zimowych, zarówno w poprzednim roku jak i w Žƒ–ƒ ŠʹͲͲ͸–ʹͲͳͷǤ‡†‡ Œƒ™œ”‘•–‘™ƒ

zimowej puli nieorganicznych związków fosforu obserwowana jest szczególnie od 2014 r., co

można pośrednio przypisać skutkom wlewów wód z Morza Północnego (Feistel 2016). Również

średnie roczne stężenia, świadczące o dostępności tych związków w cyklu całorocznym, w

warstwie powierzchniowej w poszczególnych akwenach w 2016 r., utrzymywały się na wysokim

poziomie, były wyższe niż średnia z ostatniego dziesięciolecia i tylko niewiele niższe od

odpowiednich wartości z poprzedniego roku (”›•ǤͳǤ͸ǤͳȌǤ

dmienną sytuację zaobserwowano w przypadku azotu ‹‡‘”‰ƒ‹ œ‡‰‘ ™ ™ƒ”•–™‹‡

powierzchniowej, którego stężenia w okresie zimowym 2016 r. były porównywalne z rokiem

2015 w Basenie Bornholmskim i wschodnim Basenie Gotlandzkim i znacznie wyższe w Basenie

Gdańskim, jednak niższe od średniej z poprzedzającego dziesięciolecia (–ƒ„‡Žƒ ͳǤ͸Ǥͳ). Średnie

stężenia roczne tego parametru w 2016 rǤ były niższe od notowanych w roku ubiegłym dla

wszystkich, z wyjątkiem Basenu Gdańskieg‘ǡ ”‡Œ‘ów, a także niższe od średnich z ubiegłej

†‡ƒ†›ȋ”›•ǤͳǤ͸Ǥʹ). W całym badanym obszarze obserwowany jest pozytywny kierunek zmian –

spadkowa tendencja stężeń azotu mineralnego, najbardziej zaznaczona w Basenie Gdańskim

™odniesieniu do zimowej puli tych związków.













ͻͶ

ƒ•‡‘”Š‘Ž•‹

›•ǤͳǤ͸ǤͳǤ





Poz. 230

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹



Basen Gdański





Zmiany stężeń fosforanów (DIP) w w miesiącach zimowych (I–III) (jaśniejszy słupek) i

stężeń rocznych (ciemniejszy słupek) w latach 2006–ʹͲͳͷ ‘”ƒœ ™ ʹͲͳ͸ ”ǤǢ linie ciągłe –

odpowiednie średnie z Žƒ–ʹͲͲ͸–ʹͲͳͷǢŽ‹‹‡’”œ‡”›™ƒ‡––‡†‡ Œ‡(źródło danychPMŚ)Ǥ

ƒ„‡ŽƒͳǤ͸ǤͳǤ Średnie stężenia [mmol mǦ͵Ȑ™ʹͲͳ͸”Ǥ™™ƒ”•–™‹‡’‘™‹‡”œ Š‹‘™‡ŒȋͲ–ͳͲȌ‹‡”ƒŽ› Š

związków fosforu (DIP) i azotu (DIN) w miesiącach zimowych (I– Ȍ

oraz średnie stężenia fosforu (TP) i azotu całkowitego (TN) w miesiącach letnich (VI– Ȍ

(średnie z dziesięciolecia 2006–ʹͲͳͷȌ(źródło danych PMŚ)Ǥ

Akwen

ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹





Basen Gdański



DIN

TP

TN

ͲǡͺͲ

͵ǡʹͶ

Ͳǡͷͷ

ʹͷǡͻͳ

ȋͲǡͶʹȌ

ȋͷǡͷʹȌ

ȋͲǡͺͷȌ

Ͳǡͺ͵

ͷǡ͹ͷ

Ͳǡ͸Ͳ

Ͳǡ͹ʹ

ʹǡͺͷ

ȋͲǡͶͺȌ

ͲǡͶͷ

ȋ͵ǡ͹ͷȌ

ȋͲǡͶ͹Ȍ

ƒ•‡‘”Š‘Ž•‹

›•ǤͳǤ͸ǤʹǤ

DIP

ȋͲǡ͹ͶȌ

ȋͷǡ͹ͷȌ

ȋͲǡ͹ʹȌ

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹



ȋʹͷǡ͸Ȍ

ʹ͸ǡʹͲ

ȋʹ͵ǡͻ͵Ȍ

ʹͻǡͻʹ

ȋʹ͸ǡ͸ͷȌ

Basen Gdański





Zmiany stężeń azotu nieorganicznego (DIN) w  w miesiącach zimowych (I– Ȍ

(jaśniejszy słupek) i stężeń rocznych (ciemniejszy słupek) w latach 2006ǦʹͲͳͷ‘”ƒœ™ʹͲͳ͸

”ǤǢlinie ciągłe –odpowiednie średnie z Žƒ–ʹͲͲ͸ǦʹͲͳͷǢŽ‹‹‡’”œ‡”›™ƒ‡––‡†‡ Œ‡(źródło

danych PMŚ)Ǥ

Warto zwrócić uwagę na różnicę w definiowaniu okresu, dla którego obliczana jest pula

œ‹‘™› Š •—„•–ƒ Œ‹ „‹‘‰‡› ŠǤ  †‘–› Š œƒ•‘™› Š ‘’”ƒ ‘™ƒ‹ƒ Š ȋƒŽ‡™•ƒ ‹ ‹Ǥ ʹͲͳͷǡ

ŁysiakǦƒ•–—•œƒ‹‹ǤʹͲͳ͸ȌŒƒ‘‘”‡•œ‹‘™›’”œ›Œ‘™ƒ‘miesiące od stycznia do marcaǤ

†”—‰‹‡Œ•–”‘›™ƒ–—ƒŽ‡Œ™‡”•Œ‹”œ‡™‘†‹ƒ ‡›—–”‘ˆ‹œƒ Œ‹ ȋ ʹͲͳͷ ȌŒƒ‘

miesiące zimowe traktuje się grudzień, styczeń i luty. Tak więc istnieje możliwość wystąpienia

różnic w puli substancji odżywczych obliczonych dla tych dwóch, różnie zdefiniowanych okresów.

Może to wystąpić np. w sytuacji kiedy rejs marcowy, zaliczany do okresu zimowego, odbywał się

w trakcie lub po, wcześnie występującym, zakwicie wiosennym. W związku z powyższym, dla

celów porównaczych, w ramach opisu warunków środowiskowych jako zimowy zastosowano



ͻͷ

‘”‡• ǦIII, natomiast w aktualizacji oceny wód otwartego morza do wyliczeń zimowej puli

substancji biogennych przyjęto miesiące zgodne z raportem HOLAS II, czyl‹ Ǧ Ǥ

Kolejnymi wskaźnikami eutrofizacji są stężenia całkowitego fosforu (TP) i azotu (TN), które

w okresie wegetacji przybliżają wielkość produkcji pierwotnej. Ich zmienność 

™™›†œ‹‡Ž‘› Šƒ™‡ƒ Š’”œ‡†•–ƒ™‹‘‘ƒ”›•ǤͳǤ͸Ǥ͵‘”ƒœ”›•ǤͳǤ͸ǤͶ. Średnie stężenia fosforu

całkowitego z miesięcy letnich w warstwie 0–10 m były w 2016 r. znacznie niższe niż latemʹͲͳͷ

r. dla wszystkich akwenów. Utrzymywały się również poniżej wartości średnich dla ostatniego

dziesięciolecia. Podobne zależności dotyczyły średnich rocznych stężeń fosforu całkowitego. W

Basenie Bornholmskim zarysowała się nawet niewielka poprawa –spadkowa tendencja stężeń

całkowitego fosforu, natomiast na pozostałym obszarze utrzymywała się bardzo słaba tendencja

™œ”‘•–‘™ƒǤ



ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹



Basen Gdański





›•ǤͳǤ͸Ǥ͵Ǥ Zmiany stężeń fosforu całkowitego w ȋͲ–10m) w miesiącach letnich (VI–IX) (jaśniejszy

słupek) i stężeń rocznych (ciemniejszy słupek) w Žƒ–ƒ Š ʹͲͲ͸–ʹͲͳͷ ‘”ƒœ ™ ʹͲͳ͸ ”ǤǢ Ž‹‹‡

ciągłe –odpowiednie średnie z okresu 2006–ʹͲͳͷǢŽ‹‹‡’”œ‡”›™ƒ‡ ––‡†‡ Œ‡(źródło

danych PMŚ)Ǥ

Wartości stężeń azotu całkowitego, zarówno w okresie letnim 2016 r. jak i w cyklu

całorocznym, były wyższe od średniej wieloletniej, a także z roku 2015, we wszystkich

monitorowanych akwenach oprócz Basenu Bornholmskiego. Potwierdziła to wzrostowa

tendencja średnich z miesięcy letnich oraz rocznych stężeń azotu całkowitego w tych obszarach.

Wyjątkiem był Basen Bornholmski, gdzie zmiany zawartości azotu całkowitego nie były

Œ‡†‘œƒ œ‡Ǥ



ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Basen Gdański

›•ǤͳǤ͸ǤͶǤ







Zmiany stężeń azotu całkowitego w miesiącach letnich (VI–IX) (jaśniejszy słupek) i stężeń

rocznych (ciemniejszy słupek) w latach 2006–ʹͲͳͷ ‘”ƒœ ™ ʹͲͳ͸ ”ǤǢ linie ciągłe –

odpowiednie średnie z Žƒ–ʹͲͲ͸–ʹͲͳͷǢŽ‹‹‡’”œ‡”›™ƒ‡––‡†‡ Œ‡(źródło danych PMŚ)Ǥ



Skutki bezpośrednie



Skutkiem wzrostu dostępności substancji odżywczych w środowisku morskim są

‹–‡•›™‡ œƒ™‹–› ˆ‹–‘’Žƒ–‘—Ǥ Š ‡ˆ‡–‡ ™ większości przypadków jest zwiększenie

‘ ‡–”ƒ Œ‹ ŠŽ‘”‘ˆ‹Ž—Ǧa w wodzie morskiej. Zmiany zawartości chlorofiluǦa analizuje się ™

dwóch zakresach czasowych: średnia koncentracji w miesiącach letnich: od czerwcado września

oraz średnia roczna dla całego okresu wegetacyjnego, uwzględniająca zakwit wiosenny ipóźnoǦ

jesienny, podczas których mogą również pojawiać się znaczące zawartości chlorofiluǦƒ™™‘†œ‹‡

‘”•‹‡ŒǤ





ͻ͸

ƒ™‹–ˆ‹–‘’Žƒ–‘—ȋˆ‘–Ǥ  Ǧ Ȍ

 ƒ•‡‹‡ ‘”Š‘Ž•‹ ‘”ƒœ ™• Š‘†‹ ƒ•‡‹‡ ‘–Žandzkim zawartość chlorofiluǦƒ ™

2016 r. w okresie letnim oscylowała wokół wartości średnich z ostatniego dziesięciolecia 2006–

2015, była również na poziomie zbliżonym do poprzedniego roku. Wpisywała się ona w

obserwowaną wcześniej słabą tendencję spadkową, w przeciwieństwie do Basenu Gdańskiego,

gdzie znacznie wyższe koncentracje chlorofiluǦa w miesiącach letnich 2016 r. przekładały się na

zauważoną w poprzednich latach, tendencję wzrostową (”›•ǤͳǤ͸ǤͷȌǤ



ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Basen Gdański

›•ǤͳǤ͸ǤͷǤ







Zmiany zawartości chlorofiluǦƒ ™  w miesiącach letnich (VI–IX) (jaśniejszy słupek) 

‹koncentracji rocznych (ciemniejszy słupek) w latachʹͲͲ͸–ʹͲͳͷ‘”ƒœ™ʹͲͳ͸”ǤǢlinie ciągłe

–odpowiednie średnie z Žƒ–ʹͲͲ͸–ʹͲͳͷǢŽ‹‹‡’”œ‡”›™ƒ‡––‡†‡ Œ‡(źródło danych PMŚ)Ǥ

Średnie roczne zawartości chlorofiluǦƒ™ʹͲͳ͸”Ǥ™™‘†ƒ Šƒ•‡—‘”Š‘Ž•‹‡‰‘‘”ƒœ

™• Š‘†‹‡‰‘ ƒ•‡— ‘–Žƒ†œ‹‡‰‘ były zbliżone i pozostawały na niższym od średniej œ

‘•–ƒ–‹‡Œ †‡ƒ†› ’‘œ‹‘‹‡ǡ wpisując się w obserwowaną dla ostatniego dziesięciolecia słabą

tendencję spadkową. Wartości te nie różniły się znacząco od tych dla poprzedniego roku.

Natomiast w Basenie Gdańskim bardzo wysoka koncentracja pigmentu znacząco (>25%)

przewyższała średnią z okresu 2006–2015, oraz była prawie dwukrotnie wyższa od wartości z

ʹͲͳͷ”Ǥȋ”›•ǤͳǤ͸Ǥͷǡ–ƒ„‡ŽƒͳǤ͸ǤʹȌǤ





ͻ͹

ƒ„‡ŽƒͳǤ͸ǤʹǤ Średnie zawartości ȏ‰ Ǧ͵Ȑ

ŠŽ‘”‘ˆ‹Ž—Ǧa w miesiącach letnich (VI– Ȍ

i średnie zawartości roczne (śr. r.) w ™ʹͲͳ͸”ǤǢ(średnie z okresu 2006–ʹͲͳͷȌ(źródło

danych PMŚ)Ǥ

Akwen

Chl-a (VI–IX)

Chl-a (śr. r.)

͵ǡͲ͵

ʹǡͺͷ

ƒ•‡‘”Š‘Ž•‹

ȋ͵ǡʹ͹Ȍ

ȋ͵ǡ͹ͳȌ

ͷǡʹͲ

ͷǡ͹Ͳ

ʹǡͺ͵

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ȋʹǡͺʹȌ

Basen Gdański

ȋͶǡͲ͸Ȍ

ʹǡ͸Ͳ

ȋ͵ǡͲͳȌ

ȋ͵ǡͻͶȌ



W 2016 r. najintensywniejsza produkcja pierwotna miała miejsce w Basenie Gdańskim

podczas wiosennego zakwitu. Na pozostałym obszarze największy zakwit przypadał na okres

późnoǦŒ‡•‹‡›ȋ”›•ǤͳǤ͸Ǥ͸ȌǤ

›•ǤͳǤ͸Ǥ͸Ǥ



Sezonowe zmiany średnich koncentracji chlorofiluǦƒ ȏ‰ Ǧ͵Ȑ ™ ™›†œ‹‡Ž‘› Š ƒ™‡ƒ Š

™ʹͲͳ͸”Ǥ(źródło danych PMŚ)Ǥ



 ”ƒƒ Š testowania wskaźnika średnie stężenie chlorofiluǦƒ w miesiącach letnich,

wykonano analizę na podstawie danych udostępnianych w Systemie SatBałtyk (Woźniak i in.

ʹͲͳͳ ƒǡ b) w postaci dziennych map wartości rozkładów stężeń chlorofiluǦa na różnych

głębokościach dla całego obszaru Morza Bałtyckiego. Obejmują one wartości stężenia 

ŠŽ‘”‘ˆ‹Ž—Ǧƒna powierzchni morza wyznaczone przy zastosowaniu danych łączonych z pomiaru

•ƒ–‡Ž‹–ƒ”‡‰‘ȋ Ȍ‹‘†‡Ž— ‘ƒ–•–‘•‘™ƒ› Š™’”œ›’ƒ†—„”ƒ—‹ˆ‘”ƒ Œ‹•ƒ–‡Ž‹–ƒ”‡ŒǤ

Wartości na wybranych głębokościach w warstwie 0Ǧ10 m są estymowane w oparciu

‘•–ƒ–›styczny model uwzględniający główne cechy charakteryzujące pionowe rozkłady

‘ ‡–”ƒ Œ‹ ŠŽ‘”‘ˆ‹Ž—Ǧƒw wodach bałtyckich:



𝐴𝐴 + 𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵[−(𝑧𝑧 − 𝑧𝑧𝑚𝑚 )2 𝜎𝜎]



𝐶𝐶𝑎𝑎 (𝑧𝑧) = 𝐶𝐶𝑎𝑎 (0)

𝐴𝐴 + 𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵[−(𝑧𝑧)2 𝜎𝜎]

‰†œ‹‡ǣ

𝐴𝐴 = 10(1.38𝑙𝑙𝑙𝑙𝑙𝑙(𝐶𝐶𝑎𝑎(0))+0.0883)

𝐵𝐵 = 10(0.714𝑙𝑙𝑙𝑙𝑙𝑙(𝐶𝐶𝑎𝑎(0))+0.0233) 

𝑧𝑧𝑚𝑚 = −4.61𝑙𝑙𝑙𝑙𝑙𝑙(𝐶𝐶𝑎𝑎 (0)) + 8.86

𝜎𝜎 = 0.0052



Formuła ta odwzorowuje charakterystyczne dla wszystkich akwenów morskich

występowanie maksimum stężenia chlorofiluǦa na głębokości, na której dwa główne limitujące

czynniki, czyli poziom oświetlenia docierającego z powierzchni i zawartość substancji biogennych



ͻͺ

w toni wodnej tworzą optymalne warunki dla fotosyntezy. Przy czym wyznaczone w niej na

drodze statystycznych analiz współczynniki wiążą ogólny, uniwersalny kształt pionowych

rozkładów koncentracji chlorofiluǦa z warunkami środowiskowymi panującymi w Bałtyku

ȋ•–”‘™•ƒ‹‹ǤʹͲͲ͹ȌǤ

Wartości średnie stężeń chlorofiluǦa dla każdego piksela o długości boku 1 km wyznaczono

poprzez numeryczne scałkowanie pionowych stężeń chlorofiluǦa metodą trapezów w zakresie 0Ǧ

ͳͲ  œ ”‘‹‡ ͳ Ǥ Otrzymane w rezultacie mapy uśredniano następnie 

w okresach rocznych i dla miesięcy letnich od czerwca do września, w każdym roku osobno ȋ”›•Ǥ

ͳǤ͸Ǥ͹ȌǤ



›•ǤͳǤ͸Ǥ͹Ǥ

Średnie stężenia chlorofiluǦa w miesiącach letnich (VIǦ Ȍǡ‘„Ž‹ œ‘‡ƒ’‘†•–ƒ™‹‡†ƒ› Š

œSystemu SatBałtykǤ

We wszystkich analizowanych obszarach widoczna jest niejednorodność przestrzenna

wartości stężenia chlorofiluǦa wewnątrz poszczególnych akwenówȋ”›•ǤͳǤ͸Ǥ͹Ȍ, przy czym rozkład

ich maksymalnych i minimalnych wartości jest zróżnicowany w poszczególnych latachǤ 

skrajnych przypadkach można wyodrębnić rejony znacząco odbiegające wartościami od

wyznaczonych dla całego akwenu średnich, jak np. wysokie stężenia chlorofiluǦƒ ™ ”‡Œ‘‹‡

przybrzeżnym wschodniego Basenu Gotlandzkiego w roku 2014, utrzymujące się w rokuʹͲͳͷǤ

Miało to z pewnością wpływ na zaobserwowany wzrost średniej wyznaczonej dla całego akwenu.

Natomiast silny spadek wartości średniej wyznaczonej w Basenie Bornholmskim w roku 2016

odzwierciedla najniższe z notowanych w analizowanym obszarze wartości średnich widoczne w

centralnym i zachodnim rejonie tego obszaru. W latach 2014 i 2015 uwidoczniają się większe

stężenia chlorofiluǦa wzdłuż środkowego wybrzeża, w rejonach występowania upwellingu

przybrzeżnego. Jest to związane niewątpliwie z większą aktywnością upwellingów w tych latach

widoczną na mapach anomalii temperatury powierzchniowejȋ”›•ǤͳǤ͵ǤͶȌǤ



Średnie stężenie chlorofiluǦƒ ™ ™ƒ”•–™‹‡ ͲǦ10 m w poszczególny Š ƒ™‡ƒ Š ™ Žƒ–ƒ Š

ʹͲͳͳǦʹͲͳ͸ ™›œƒ œ‘‘ ™ odniesieniu do miesięcy letnich (VI Ǧ IX) i całego roku (I Ǧ  Ȍ ƒ

podstawie odpowiednich map wartości średnich wyznaczonych dla każdego roku

œƒƒŽ‹œ‘™ƒ‡‰‘‘”‡•—ȋ”›•ǤͳǤ͸ǤͺȌǤW analizach wykorzystano również analogicznie wyznaczone

wartości średnie stężenia chlorofiluǦa dla całego obszaru Morza Bałtyckiego.

W okresie letnim wartość średniego stężenia chlorofiluǦƒ ™ ƒƒŽ‹œ‘™ƒ› Š ‘„•œƒ”ƒ Š

zmieniała się od 2ǡʹͶ ȋ™• Š‘†‹ ƒ•‡ ‘–Žƒ†œ‹ǡ ʹͲͳ͸Ȍ †‘ ͷǡʹ͵ ‰ Ǧ͵ ȋ’‘Ž•‹‡ ™‘†›

przybrzeżne Basenu Gdańskiego, 2014). Przy czym wyraźnie zauważalne jest utrzymywanie się

wysokich wartości w wodach przybrzeżnych Basenu Gdańskiego, gdzie w całym analizowanym

okresie średnia wartość stężenia chlorofiluǦa tylko raz (w roku 2011) spadła nieco poniżej 4 mg

Ǧ͵, podczas gdy we wschodnim basenie Gotlandzkim i Basenie Bornholmskim średnie stężenie



ͻͻ

ŠŽ‘”‘ˆ‹Ž—Ǧƒ było znacząco mniejsze (odp‘™‹‡†‹‘ ‘† ʹǡʹͶ †‘ ʹǡ͸ͺ ‰ Ǧ͵ ‹ ‘† ʹǡʹͺ †‘

͵ǡͲ͸ ‰ Ǧ͵) i utrzymywało się na podobnym poziomie jak średnie stężenia wyznaczone dla

całego obszaru Morza Bałtyckiegoȋ”›•ǤͳǤ͸ǤͺȌǤ



›•ǤͳǤ͸ǤͺǤ

Średnie stężenia chlorofiluǦƒ™™ƒ”•–™‹‡ͲǦͳͲm w miesiącach letnich (VIǦ Ȍǡ‘„Ž‹ œ‘‡ƒ

postawie danych z Systemu SatBałtykǡ†Žƒǣ’‘Ž•‹ Šwód przybrzeżnych Basenu Gdańskiego

(WPBG), Basenu Gdańskiego (BG), Basenu Bornholmskiego (BB), Wschodniego Basenu

Gotlandzkiego (WBG), oraz dla całego BałtykuǤ

We wszystkich akwenach największe zróżnicowanie wyznaczonych średnich wartości

stężeń chlorofiluǦa występowały w drugiej połowie anƒŽ‹œ‘™ƒ‡‰‘‘”‡•—ǡ’”œ› œ›ƒŒ„ƒ”†œ‹‡Œ

znaczący wzrost tych wartości przypada na rok 2014. Należy z tego wnioskować, że w tym czasie

panowały najkorzystniejsze w analizowanym okresie warunki środowiskowe mające wpływ na

rozwój fitoplanktonu. W Basenie Bornholmskim tendencja ta utrzymała się do następnego roku

2015 kiedy znowu nastąpił niewielki wzrost średniej wartości stężenia chlorofiluǦƒȋœʹǡͺͷ†‘͵ǡͲ͸

‰Ǧ͵ȌǤƒ”to zauważyć, że w tym samym okresie średnia dla całego obszaru Morza Bałtyckiego

™›ƒœ›wała niewielkątendencję spadkową. Nieznaczny wzrost widoczny jest dopiero dla roku

2016, podczas gdy we wszystkich analizowanych obszarach (z wyjątkiem wód przybrzeżnych

Basenu Gdańskiego) średnie wartości chlorofiluǦƒ ™roku 2016 są mniejsze niż w roku

’oprzednim i wróciły do poziomu z początku analizowanego okresu.

Kolejne obliczenia wykonano dla całego roku, tzn. na podstawie wszystkich map w danym

”‘— ƒŽ‡†ƒ”œ‘™› ȋ”›•Ǥ ͳǤ͸Ǥͻǡ ”›•Ǥ ͳǤ͸ǤͳͲȌǤ odobnie jak w przypadku wartości średnich

stężenia chlorofiluǦƒ z okresu letniego, wyraźnie widoczne jest zróżnicowanie przestrzenne

średnich rocznych. Można przy tym zauważyć wyraźne w kolejnych latach i w każdym akwenie

tendencje do spadku tych wartości postępującego wraz z odległością od brzegu. Warto też

zauważyć wyraźny podział wschodniego Basenu Gotlandzkiego na rejon południowozacho†‹œ

większymi średnimi rocznymi stężeniami chlorofiluǦƒ niż w rejonie północnowschodnim.

Podobną tendencję można zauważyć w okresie letnim (”›•ǤͳǤ͸Ǥ͹Ȍǡ‹‡Œ‡•–ona jednak tak wyraźna.





ͳͲͲ

›•ǤͳǤ͸ǤͻǤ



– 110 –

Poz. 230

Średnie roczne stężenia chlorofiluǦƒ‘„Ž‹ œ‘‡ƒ’‘†stawie danych z Systemu SatBałtyk dla

™ƒ”•–™›ͲǦͳͲǤ

›•ǤͳǤ͸ǤͳͲǤ Średnie roczne stężenia chlorofiluǦƒ‘„Ž‹ œ‘‡ƒ’‘†•–ƒ™‹‡†ƒ› Šz Systemu SatBałtyk †Žƒ

™ƒ”•–™› ͲǦͳͲ ǡ †Žƒǣ ’‘Ž•‹ Š wód przybrzeżnych Basenu Gdańskiego (WPBG), Basenu

Gdańskiego (BG), Basenu Bornholmskiego (BB), Wschodniego Basenu Gotlandzkiego (WBG),

‘raz dla całego BałtykuǤ



Wyznaczona dla poszczególnych akwenów średnia roczna stężenia chlorofiluǦa zmienia się

™ ‰”ƒ‹ ƒ Š ‘† ʹǡʹ͸ ‰ Ǧ͵ ȋ™• Š‘†‹ ƒ•‡ ‘–Žƒ†œ‹ǡ ʹͲͳʹȌ †‘ ͷǡ͵͵ ‰ Ǧ͵ ȋ™‘†›

przybrzeżne Basenu Gdańskiego, 2016), a więc w podobnym zakresie jak w przypadku średnich

letnich. Podobnie też w każdym akwenie wystąpił znaczący wzrost średniej w roku 2014, który w

Basenie Bornholmskim utrzymał się w roku 2015. Basen Bornholmski ‹ ™• Š‘†‹ ƒ•‡

Gotlandzki charakteryzowały się najmniejszą zmiennością średnich stężeń chlorofiluǦƒ, które

podobnie jak w okresie letnim przyjmowały wartości zbliżone do wyznaczonych dla całego Morza

Bałtyckiego w tym okresie. Największe wartości średnie stężenia chlorofiluǦƒ œƒ‘–‘™ƒ‘ ™

wodach przybrzeżnych Basenu Gdańskiego, tak jak w przypadku wartości letnich były one blisko

dwa razy większe od średnich Bałtyckich. Warto zauważyć, że wartości wyznaczone dla Basenu

Gdańskiego w całym analizowanym okresie są niższe od tych w ’‘Ž•‹ Šwodach przybrzeżnych

Basenu Gdańskiego, lecz ich zmienność ma identyczny przebieg a różnica w ich odpowiednich



ͳͲͳ

wartościach bezwzględnych zawiera się w przedziale od 1ǡͳͺ‰Ǧ͵ȋʹͲͳͳ”ǤȌ†‘ͳǡͷ‰Ǧ͵ȋʹͲͳ͸

”ǤȌǤ



orównanierozkładów przestrzennych letnich i całorocznych średnich wartości stężenia

ŠŽ‘”‘ˆ‹Ž—Ǧƒ™ƒƒŽ‹œ‘™ƒ› Š‘„•œƒ”ƒ Š™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸’”œ‡†•–ƒ™‹‘‘ƒ”›•ǤͳǤ͸ǤͳͳǤ‘„—

analizowanych okresach można wyróżnić rejony charakteryzujące się podobnymi tendencjami.

Na przykład w rejonie centralnym i północnozachodnim Basenu Bornholmskiego i”‡Œ‘‹‡

północnowschodnim wschodniego Basenu Gotlandzkiego występują wyraźnie niższe wartości

średnich stężeń chlorofiluǦa niż w pozostałych obszarach tych akwenów. artości średni‡

™›œƒ œ‘‡ dla miesięcy letnich i całego roku w odniesieniu do całych akwenów różną się

‹‡œƒ œ‹‡Ǥ



›•ǤͳǤ͸ǤͳͳǤ Rozkład średniego stężenia chlorofiluǦa w miesiącach letnich (VIǦIX) i w całym roku na

podstawie danych z Systemu SatBałtyk dla lat 2011Ǧ2016 oraz średnie wartości dla

poszczególnych basenówǤ



Stopień przezroczystości wody morskiej jest jednym z ważniejszych parametrów nie tylko

informującym o stanieśrodowiska,ale też determinującym wiele procesów zachodzących w–‘‹

wodnej. Podstawowym wśród nich ’”‘ ‡•‡ jest dystrybucja promieniowania użytecznego w

’”‘ ‡•‹‡ ˆ‘–‘•›–‡œ›ǡ kształtowana ‹‡ –›Ž‘ ’”œ‡œ warunki zewnętrzne, określające ile tego

promieniowania dochodzi do powierzchni wody ale też, i to w największym stopniu, przez stopień

przeźroczystości samej toni wodnej. Im większa przeźroczystość, tym głę„‹‡Œ†‘ Š‘†œ‹‡‡”‰‹ƒ

słonecznƒ‹–›„ƒ”†œ‹‡Œ”‘zszerza się warstwaǡw której zachodzi proces fotosyntezy. 

Przezroczystość wody jest, podobnie jak zawartość chlorofiluǦƒ, parametrem powiązanym

œprodukcją pierwotną. Spadek przezroczystości wody, wywołany wzrostem ilości glonów

unoszących się w toni wodnej, jest pośrednio również efektem wzrostu stężeń soli odżywczych

limitujących zakwity fitoplanktonu. Obniżenie przezroczystości może powodować spadek

miąższości strefy eufotycznej, w której odbywa się produkcja pierwotna.

Sezonowa zmienność przezroczystości związana jest więc z intensywnością produkcji

pierwotnej, a jej zmiany, wyrażone widzialnością krążka Secchi’ego, ocenia się dla tych samych

okresów jak dla zawartości chlorofiluǦƒǤ

‘†•–ƒ™‘™›‹ ’ƒ”ƒ‡–”ƒ‹ na podstawie których można bezpośrednio określić

przezroczystość wody morskiej, są spektralne rozkłady współczynników absorpcji i”‘œ’”ƒ•œƒ‹ƒ

promieniowania słonecznego, określone w toni wodnej na poszczególnych głębokościachȋ‡”ƒǡ

ʹͲͲ͵ȌǤ–‘•‘™ƒ‹‡–ƒ‹‡Œ‡–‘†›™›ƒ‰ƒŒ‡†ƒdosyć zawansowanej apƒ”ƒ–—”›’‘‹ƒ”‘™‡Œ‹

doświadczonego operatora do jej obsługi. Z tego powodu, w warunkach morskich, często

•–‘•‘™ƒ‡jest określanie zasięgu widzialności w toni wodnej białego dysku, ośrednicy 30 ǡ

nazwanego głębokością dysku Sec Š‹‡‰‘ǡœƒƒœ™‹•‹‡włoskiego badacza Pietro Angelo Secchi,



ͳͲʹ

który wprowadził ten parametr w swoich badaniach na Morzu Śródziemnym już w 1865 rǤ

ȋ”‡‹•‡†‘”ˆ‡”ǡͳͻͺ͸Ǣƒ˜‹‡•Ǧ‘ŽŽ‡›‹‹Ǥǡͳͻͻ͵ȌǤ

Głębokość dysku Secchci‡‰‘ Œ‡•– ’ƒ”ƒ‡–”‡ǡ ‘’‹•ującym w zintegrowany sposób

’‘†•–ƒwowe właściwości optyczne w przypowierzchniowej warstwie wody, istotne szczególnie

†Žƒ produktywności biologicznej danego akwenu. Parametr ten, może być, oczywiście

œograniczoną dokładnością, powiązany z zasięgiem strefy eufotycznej w morzu, rozumianej ja‘

słup wody w którym zachodzi przeważająca większość procesów fotosyntezy materii organicznej

™‘”œ—Ǥ

W 2016 r. przezroczystość w zmieniała się w zakresie od 3 m podczas zakwitu letniego

w Basenie Gdańskim, do 17 m, tuż przed zakwitem wiosennym, w strefie płytkowodnej

wschodniego Basenu Gotlandzkiego. Najniższą średnią (zarówno dla miesięcy letnich jak i roczną)

przezroczystość notowano w Basenie Gdańskim, natomiast najwyższe wartości stwierdzono we

™• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹ȋ–ƒ„‡ŽƒͳǤ͸Ǥ͵ȌǤ

ƒ„‡ŽƒͳǤ͸Ǥ͵Ǥ Średnia przezroczystość wody morskiej [m] w miesiącach letnich (VI– Ȍi średnie roczne

(śr. r.) przezroczystości w ™ʹͲͳ͸”Ǥ(średnie œŽƒ–ʹͲͲ͸–ʹͲͳͷȌ(źródło danych PMŚ)Ǥ



Akwen

Secchi (VI–IX) Secchi (śr. r.)

ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Basen Gdański

͸ǡ͹

͹ǡͻ

ȋ͸ǡ͹Ȍ

ȋ͹ǡʹȌ

ͷǡʹ

͸ǡͶ

͹ǡ͵

ͺǡʹ

ȋ͹ǡͲȌ

ȋ͹ǡͻȌ

ȋͷǡͷȌ

ȋ͸ǡͺȌ



Średnia przezroczystość z miesięcy letnich w 2016 r. była na poziomie zbliżonym do

średniej z poprzedniego roku oraz średniej z ostatniej dekady. W odniesieniu do średniej rocznej

wartości z 2016 r. oscylowały wokół średniej z ostatniej dziesięciolatki. Były również

porównywalne do średniej z 2015 r., z wyjątkiem Basenu Gdańskiego, gdzie przezroczystość była

wyraźnie niższa (”›•ǤͳǤ͸ǤͳʹȌǤ

Mimo opisanych wyżej różnic między akwenami, w całym monitorowanym obszarze

stwierdzono wzrostową tendencję przezroczystości o różnym nasileniu, zarówno dla okresu

letniego, jak i dla całego roku. Najsilniejsza była w Basenie Bornholmskim, przede wszystkim w

zakresie średnich całorocznych. We wschodnim Basenie Gotlandzkim również silniejsza była

inklinacja dodatnia dla średnich z całego roku. W Basenie Gdańskim zanikowi uległa ujemna

–‡†‡cja i pojawiła się bardzo słaba tendencja wzrostu przezroczystości. Reasumując należy

stwierdzić, że w  zaznacza się pozytywny kierunek obserwowanych zmian – ’‘’”ƒ™ƒ

przezroczystości wód morskich.



ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Basen Gdańs‹







›•ǤͳǤ͸ǤͳʹǤ Zmiany przezroczystości wody morskiej w miesiącach letnich (VI–IX) (jaśniejszy słupek) i

średnich rocznych (ciemniejszy słupek) w latach 2006–2015 oraz w 2016 r.; linie ciągłe –

odpowiednie średnie z Žƒ–ʹͲͲ͸–ʹͲͳͷǡŽ‹‹‡’”œ‡”›™ƒ‡––‡†‡ Œ‡(źródło danych PMŚ)Ǥ





ͳͲ͵

Z uwagi na bezpośredni związek przezroczystości z absorpcją i rozpraszaniem światła

słonecznego w toni wodnej, możliwe jest jego powiązanie z charakterystyką spektralną

•–”—‹‡‹ƒ’”‘‹‡‹‘™ƒ‹ƒwychodzącego z ’”œ›’‘™‹‡”œ Š‹‘™‡Œ™ƒ”•–™›™‘†›ǡ‹‡”œ‘‡‰‘

przez radiometry umieszczone na satelitach środowiskowych. Pozwala to na zdalne określanie

tego parametru, przy wykorzystaniu dostępnej informacji satelitarnej.  —™ƒ‰‹ ƒ •’‡ ›ˆ‹ œ‡

właściwości optyczne różnych ƒ™‡ów, związki pomiędzy charakt‡”›•–›ƒ‹ •–”—‹‡‹ƒ

oddolnego (określanymi tzw. refl‡ktancją bezkontaktową, definiowaną jako stosunek radiacji

wychodzącej z toni wodnej do oświetlenia padającego na powierzchnie wody) a głębokością

†›•—‡ Š‹‡‰‘mają Šƒ”ƒ–‡”Ž‘ƒŽ›Ǥ

”œ‡†•–ƒ™‹‘‡ poniżej analizy opierają się na wartościach głębokoś ‹ †›•— ‡ Š‹‡‰‘

określonych za pomocą algorytmu opracowanego dla wód Bałtyku ‹ œƒ‹’Ž‡‡–‘™ƒ‡‰‘

™Systemie SatBałtykǤƒŽ‰‘”›–‹‡™›‘”œ›•–ƒ‘™›œƒ œƒą•ƒ–‡Ž‹–ƒ”‹‡”‡ˆŽ‡–ƒ Œę™dwóch

kanałach s’‡–”ƒŽ› Š ͷ͵ͳ  ‹ ͸ͷͶ . Głębokość dysku Secchiego, wyliczona została na

podstwie poniższego wzoruǣ

Secchi [m] = 1,59 + 8,6 x + 3,04 * x2

gdzie x=log(Rrs(531nm)/Rrsr(645nm))

Równanie regresji wykorzystane w tym algorytmie opracowane zostało na ’‘†•–ƒ™‹‡

synchronicznych pomiarów dysku Secchi‡‰‘ ‹ ”‡ˆŽ‡–ƒ Œ‹ „‡œ‘–ƒ–‘™‡Œ ’”œ‡’”‘™ƒ†œ‘› Š

’‘† œƒ•szeregu rejsów badawczych •Ȁ› ‡ƒ‹ƒœInstytutu Oceanologii PAN na wodach Bałtyku.

„‡ ‹‡ǡ ‡•–›‘™ƒ‡ wartości głębokoś ‹ †›•— ‡ Š‹‡‰‘ ™ ›•–‡‹‡ ƒ–ałtyk ‹‡ są

™•’‹‡”ƒ‡ ‘†‡Ž‘™ƒ‹‡ ‡‘Ǧhydrodynamicznym, co oznacza, że zaprezentowane tu średnie

uzyskane są tylko na podstawie danych satelitarnych, pozyskanych dla dni bezchmurnych nad

„ƒ†ƒ›ƒ™‡‡Ǥ–ąd też wartości średnie liczone są tu na p‘†•–ƒ™‹‡danych z różnej Ž‹ œ„›

punktów, uzależnionej od stanu i częstościœƒ Š—”œ‡‹ƒƒ††ƒ›ƒkwenem. W praktyce może

to mieć pewien wpływ na prezentowane tu wartości średnie, zwłaszcza na obszarach

charakteryzujących się zwiększonąilością†‹œƒ Š—rzonych (np. strefa przybrzeżna). Pomimo

tego ograniczenia, prezentowane tu statystyki oparte są na licznych †ƒ› Šǡ œƒ œ‹‡

przewyższających liczbę †ƒ› Š możliwych do uzyskania klasycznymi metodami –›Ž‘ ƒ

podstawie pomiarówin-situ.

ƒ ”›•Ǥ ͳǤ͸Ǥͳ͵ przedstawione są rozkłady przestrzenne średnich rocznych wartości

głębokości dysku Secchi‡‰‘ǡw sezonie letnim, wyliczone dla poszczególnych latʹͲͳͳǦʹͲͳ͸Ǥ



ͳͲͶ

›•ǤͳǤ͸Ǥͳ͵Ǥ Rozkłady przestrzenne średnich rocznych wartości głębokości dysku Secchi‡‰‘ †Žƒ

poszczególnych lat™•‡œ‘‹‡Ž‡–‹wyznaczone na podstawie danych z Systemu SatBałtykǤ



Oprócz wyraźnie wyższych wartości na wodach zatokowych, nie ™‹†œ‹›–—„ƒ”†œ‘•‹Ž‡‰‘

zróżnicowania na pozostałych obszarach, chociaż jest ono wciąż wyraźne i utrzymuje się na

’”œ‡•–”œ‡‹ ™•œ›•–‹ Š Žƒ–ǡ ‘ ’”œ‡†•–ƒ™‹‘‡ Œ‡•– ƒ ”›•Ǥ ͳǤ͸ǤͳͶ ‹ ™ –ƒ„‡Ž‹ ͳǤ͸ǤͶǤ ‹†‘ œ‡

zwłaszcza w latach 2012 i 2014, stosunkowo wysokie wartości przezroczystości wody na

niewielkich obszarach przy brzegu, mogą być rezultatem upwelling—, wynosząc‡‰‘ ™ –› Š

rejonach, względnie czyste wody z głębszych warstw. „•œƒ”› –‡ charakteryzowały się jednak

większą liczbą †‹ œ œƒ Š—”œ‡‹‡ǡ ƒ ‘ œƒ –› ‹†œ‹‡ mniejszą Ž‹ œ„ą †ƒ› Šǡ ƒ ’‘†•–ƒ™‹‡

tórych ™›Ž‹ œ‘‘wartości średnieǤRejony te są na tyle małe, że sytuacja ta nie ma praktycznie

żadnego wpływu na wartości średnie wyliczone dla poszczególnych obszarów i istotne z punktu

™‹†œ‡‹ƒ ‡Ž—‹‹‡Œ•œ‡‰‘‘’”ƒ ‘™ƒ‹ƒǤ





ͳͲͷ

›•ǤͳǤ͸ǤͳͶǤ Średnie głębokości dysku Secchi™™›„”ƒ› Šƒ™‡ƒ Šw miesiącach letnich (VIǦ Ȍ

dla poszczególnych lat, obliczone na po†stawie danych satelitarnych z Systemu SatBałtykǤ

ƒ ”›•Ǥ ͳǤ͸ǤͳͶ ™‹†ać, że ƒ•‡ ‘”Š‘Ž•‹ Šƒ”ƒ–‡”›œował się największą

przezroczystością wód w całym okresie oceny, a nieco mniejszą pozostałe baseny otwartego

‘”œƒǤ Przezroczystość wód przybrzeżnych Basenu Gdańskiego była mniejsza o około 1 m œ‡

względu na wpływ wód otwartego morza, natomiast w wodach obu zalewów przezroczystość

była najmniejszaǤ

Z porównania wyników z systemu SatBałtyk ȋ–ƒ„‡Žƒ ͳǤ͸ǤͶȌ z obliczeniami średniej

œpomiarów monitoringowych (–ƒ„‡Žƒ ͳǤ͸Ǥ͵) wynika, że w przypadku Basenu Bornholmskiego

‹Basenu Gdańskiego są one wyższe od 1,5 do 2 m, natomiast niższe o około 0,5 m we wschodnim

ƒ•‡‹‡ ‘–Žƒ†œ‹Ǥ



ƒ„‡ŽƒͳǤ͸ǤͶǤ Średnie głębokości dysku Secchi™™›„”ƒ› Šƒ™‡ƒ Šw miesiącach letnich (VIǦ Ȍ

dla poszczególnych lat, obliczone na po†stawie danych satelitarnych z Systemu SatBałtyk.

‘

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

ʹͲͳͳǦʹͲͳ͸

Basen Gdański

͹ǡͳ

ͺǡͲ

͹ǡʹ

͹ǡʹ

͹ǡ͹

͹ǡ͵

͹ǡͶ

’‘Ž•‹‡wody przybrzeżne

Basenu Gdańskiego

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ƒ•‡‘”Š‘Ž•‹

͸ǡ͹

͹ǡͺ

͹ǡͺ

͹ǡͷ

ͺǡͲ

ͺǡ͸

͸ǡͳ

͹ǡͶ

͹ǡ͹

͸ǡͳ

͹ǡ͸

ͺǡͺ

͸ǡͷ

͹ǡ͸

ͺǡ͵

͸ǡʹ

͸ǡͻ

ͺǡͲ

͸ǡͷ

͹ǡͷ

ͺǡʹ





Skutki pośrednie



Wtórnym skutkiem nadmiaru substancji biogennych w środowisku morskim Bałtyku jest

spadek natlenienia wód przydennych. Natlenienie warstw przydennych jest uzależnione od

procesów hydrodynamicznych. W strefie płytkowodnej jest to przede wszystkim mieszanie

™iatrowe, w strefie głębokowodnej za dostawę tlenu do warstwy przydennej odpowiedzialne są

głównie wlewy dobrze natlenionych wód z Morza Północnego ( ƒ••‘ʹͲͲͻǡ‘Ž‡›ʹͲͳͳȌǤ

Pomimo, ż‡ w wodach otwartego morza do oceny natlenienia warstw wód przydennych

stosuje się wskaźnik podstawowy HELCOM – dług tlenowy, coroczne oceny ’‘œ‹‘— †‡ˆ‹ ›–—

tlenu, ze względu na trudności metodyczne, wykonywanesąna podstawie analizy zmian stężeń

tlenu rozpuszczonego w warstwie przydennej. Wskaźnikiem podstawowym jest miniƒŽ‡

stężenie tlenu przy dnie w okresie letnim, w miesiącach od czerwca do września. 









ͳͲ͸



Głębia Bornholmska

– 116 –

Poz. 230

’†ǤǦwsch. Głębia Gotlandzka

Głębia Gdańska

›•ǤͳǤ͸ǤͳͷǤ Zmiany natlenienia wód przydennych głębi  ™ Žƒ–ƒ Š ʹͲͲ͸–ʹͲͳ͸ (wartości ujemne

oznaczają obecność siarkowodoru)(źródło danych PMŚ)Ǥ

ʹͲͳ͸”Ǥ™ƒ”—‹–Ž‡‘™‡’”œ›†‹‡obszarów głębokowodnych były nadal kształtowane

przez wlewy wód z rejonu Kattegatu (F‹‡•–‡Ž ʹͲͳ͸ȌǤ ‘ ‘Ž„”œ›‹ ™Ž‡™‹‡ ™ ‰”—†‹— ʹͲͳͶ ”Ǥ

ȋ  ǦPIB 2015) nastąpiły kolejne, słabe lub umiarkowane, z których te z listopada 2015 ”Ǥ‘”ƒœ

œprzełomu stycznia i lutego 2016”Ǥ, wpłynęły na sytuację tlenową przy dnie głębi południowego

Bałtyku w ʹͲͳ͸”Ǥȋ ʹͲͳ͸ƒ„ ǡ ʹͲͳ͸Ȍȋ”›•ǤͳǤ͸ǤͳͷȌǤ

Pod koniec roku 2015 tlen, dostarczony z wodami wielkiego wlewu z Morza Północnego

ȋƒ‰Ǥ –ƒŒ‘”ƒŽ–‹  ˆŽ‘™Ȍœʹ014 r., został prawie wyczerpany z warstw przydennych strefy

głębokowodnej , a w Głębi Gdańskiej pojawił się siarkowodór. Wlew z listopada 

ʹͲͳͷ”Ǥpoprawił stosunkowo szybko warunki natlenienia w Głębi Bornholmskiej, gdzie stężenie

tlenu wzrosło ze śladowych ilości 0,7 cm͵†Ǧ͵™Ž‹•–‘’ƒ†œ‹‡†‘ͳǡ͹ ͵†Ǧ͵™•–› œ‹—ʹͲͳ͸”Ǥ

Kolejny wlew z początku roku 2016 spowodował zanik warstwy deficytu tlenowego w tym

rejonie, zwiększając zawartość tlenu do 3 cm͵ †Ǧ͵. Natomiast do Głębi Gdańskiej, obszaru

głębokowodnego najbardziej oddalonego od źródła przemieszczających się wód, wlew dotarł

dopiero w kwietniu, powodując zanik strefy azoicznej i wzrost stężenia tlenu do 3,2 cm͵†Ǧ͵Ǥƒ

południowoǦwschodnim stoku Głębi Gotlandzkiej dobre warunki tlenowe utrzymywały się do

•‹‡”’‹ƒʹͲͳ͸”Ǥ, osiągając roczne maksimum 4,3 cm͵†Ǧ͵na początku lata. Od września pojawiła

się już strefa deficytu tlenowego (”‰ƒ•ʹͲͳ͸ȌǤ

Wyniki przeprowadzonych badań wskazują, że wlewy, którewystąpiły w zimie 2015/2016,

’‘†‘„‹‡Œƒ™Ž‡™œʹͲͳͶ”Ǥ, spowodowały jedynie krótkotrwałą poprawę natlenienia warstwy

przydennej obszaru głębokowodnego. W kolejnych miesiącach po wlewie obserwowano

sukcesywny spadek stężenia tlenu, który doprowadził do powrotu deficytu tlenowego pod koniec

ʹͲͳ͸r. w strefie przydennej we wszystkich głębiƒ ŠǤ

Wody przydenne obszarów płytkowodnych, za sprawą cyrkulacji i dobrej wymiany wód

(brak piknokliny, pojawianie się upwelling—), były w roku oceny dobrze natlenione, ƒstężenie

tlenu przy dnie utrzymywało się powyżej wartości 4,0 cm͵†Ǧ͵ȋ–ƒ„‡ŽƒͳǤ͸ǤͷȌǤ





ͳͲ͹

ƒ„‡ŽƒͳǤ͸ǤͷǤ Minimalne stężenie tlenu przy dnie w lecie 2016 r. w ȋ‹ǤʹͲͲ͸–ʹͲͳͷȌ(źródło danych

PMŚ)Ǥ

™‡

ƒ•‡‘”Š‘Ž•‹

™• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Basen Gdański

•–”‡ˆƒ

głębokowodna

płytkowodna

ƒ–‘ƒ‘‘”•ƒ

głębokowodna

płytkowodna

głębokowodna

płytkowodna

ȗiarkowodór wyrażony jako równoważnik ujemnego stężenia tlenuǤ



ʹ‹ȋ – Ȍ

Ͳǡͺ

ȋ–ͳǡʹȌȗ

ͷǡͲ

ȋͶǡ͸Ȍȗ

Ͷǡʹ

ȋͷǡͳȌȗ

ͳǡͶ

ȋ–ͲǡʹȌȗ

ͷǡͻ

ȋͶǡͷȌȗ

Ͳǡͳ

ȋ–ͳǡͺȌȗ

ͷǡͳ

ȋͶǡ͵Ȍȗ

1.7. Odpady w środowisku morskim w latach 2015-2016

 Žƒ–ƒ Š ʹͲͳͷ ‹ 2016 przeprowadzono pilotażowy program monitoringu odpadów w

środowisku morskim. Program ten koncentrował się przede wszystkim na monitoringu odpadów

‰”‘ƒ†œ‘› Š ƒ Ž‹‹‹ „”œ‡‰‘™‡Œ, ale obejmował również monitoring odpadów na dnie i

monitoring mikrocząstek.



Odpady deponowane na brzegu



Monitoring odpadów gromadzonych na brzegu przeprowadzony został na 15 odcinkach o

długości 1 km ȋ”›•ǤͳǤ͹ǤͳȌǤNa każdym odcinku przeprowadzono monitoring wszystkich odpadów

znajdujących na się na całej szerokości monitorowanego odcinka, od linii wody do granicy plaży.

‘‹–‘”‹‰‘„‡Œ—Œ‡‹†‡–›ˆ‹ƒcję i zliczanie określonego rodzaju odpadu. Monitoring odpadów

na linii brzegowej, na wyznaczonych odcinkach prowadzony był w każdym roku œ–‡”‘”‘–‹‡ǣ™

™‹‡–‹— ȋ™‹‘•ƒ), na przełomie czerwca i lipca (Žƒ–‘), na przełomie września i października

ȋjesieńȌna przełomie grudnia i stycznia (œ‹ƒȌǤ



ͳͲͺ

›•ǤͳǤ͹ǤͳǤ

Poz. 230

Lokalizacja odcinków monitoringu odpadów gromadzonych na linii brzegowej polskiego

wybrzeża w 2015 ”Ǥ‹ʹͲͳ͸”Ǥ

Sumaryczną liczbę odpadów, z czterech okresów badań, odnotowaną na poszczególnych

odcinkach w siedmiu głównych kategoriach: guma, papier, drewno, metal, szkło i

‡”ƒ‹ƒǡplastik (materiały polimerowe) oraz ubrania i tekstylia przedstawiono ƒ”›•ǤͳǤ͹ǤʹǤ

Dominującym rodzajem odpadów były materiały polimerowe – plastiki, których liczba

™ʹͲͳͷ ”Ǥ wyniosła 10ʹͲͻǤ  –› •ƒ› ”‘— ‘dnotowano również stosunkowo dużą liczbę

odpadów grupy drewna (3850) i ™ dalszej kolejności metalu (1395). Liczebność pozostałych

kategorii odpadów pozostawała poniżej 1000. Należy jednak podkreślić, że udział plastików

™całkowitej liczbie odpadów był największy i wynosił 58%. W 2016 rǤudział ten wyniósł 69%.

 –› •ƒ› ”‘—‘†‘–‘™ƒ‘ również wzrost liczby odpadów na linii brzegowej polskiego

Wybrzeża w porównaniu z rokiem ubiegłymœͳ͹͹Ͳʹ†‘ʹͲͶʹͻ. Biorąc pod uwagę sumaryczną

liczbę odpadów na wszystkich odcinkach, największym udziałem oprócz odpadów plastikowych

ȋͳͶͳͲͶȌ Šarakteryzowały się odpady metalowe (1807), szkło i ceramika (968)Ǥ –™‹‡”†œ‘‘

także znaczny udział odpadów z grupy inne odpady (383), których ˆ”‡™‡ Œƒ™ʹͲͳͷ”Ǥwynosiła

ͻʹǤ



ͳͲͻ



›•ǤͳǤ͹ǤʹǤ

Poz. 230



—ƒ”› œƒ Ž‹ œ„ƒ ’‘Œ‡†› œ› Š ‘†’ƒdów (z czterech etapów)

odnoto™ƒƒ ƒ

poszczególnych odcinkach w siedmiu głównych kategoriach w 2015”Ǥ(słupek niebieski)‹

ʹͲͳ͸”Ǥ(słupek pomarańczowy)(źródło danych PMŚ)Ǥ



‘‹–‘”‹‰™œƒ”‡•‹‡Ž‹ œ„›odpadów stałych wyrzucanych na brzeg lub gromadzonych

wzdłuż linii brzegowej prowadzony był na plażach o charakterze miejskim i wiejskimǤ†’ƒ†›–‡

teoretycznie poddane są innym presjom i pochodzą z różnych źródeł. Jednak większość obszarów

’‘Ž•‹‡‰‘ ›„”zeża jest intensywnie wykorzystywana turystycznie. Zgodnie z oczekiwaniem

największą liczebnością odpadów charakteryzowały się plaże typu miejskiegoȋ”›•ǤͳǤ͹Ǥ͵ȌǤʹͲͳͷ

”Ǥcałkowita liczba odpadów na plażach miejskich wynosiła ͳʹ106, natomiast rok później wzrosła

†‘ ͳͷʹͺͶǤ W przypadku plaż ™‹‡Œ•‹ Š liczby odpadów w Žƒ–ƒ Š ʹͲͳͷ ‹ ʹͲͳ͸ były zbliżone i

wynosiły odpowiednio 5595 i 5145. Istotne różnice w liczbie odpadów™‘„•œƒ”ƒ Š‹‡Œ•‹ Š‹

wiejskich ma swoje źródło w turystyce, której wpływ jest szczególnie widoczny w okresach

ƒ–”ƒ ›Œ› Š–—”›•–› œ‹‡ȋ”›•ǤͳǤ͹ǤͶȌǤ





ͳͳͲ

›•ǤͳǤ͹Ǥ͵Ǥ

—ƒ”› œƒ Ž‹ œ„ƒ ’‘Œ‡†› œ› Š odpadów na plażach miejskich i wiejskich ™ ʹͲͳͷ ”Ǥ

(słupek zielony) ‹ʹͲͳ͸”Ǥ(słupek ciemnoǦ•œƒ”›Ȍ(źródło danych PMŚ)Ǥ

›•ǤͳǤ͹ǤͶǤ

—ƒ”› œƒŽ‹ œ„ƒ ’‘Œ‡†› œ› Š odpadów ™’‘•œ œególnych sezonach ™ʹͲͳͷ”Ǥ(słupek

œƒ”›Ȍ‹ʹͲͳ͸”Ǥ(słupek szary) (źródło danych PMŚ)Ǥ



ʹͲͳͷ”Ǥliczba odpadów w okresie wiosennych i letnim wynosiła okołoͶͳͲͲǡƒ–‘‹ƒ•–

™ʹͲͳ͸”Ǥ™‘”‡•‹‡™‹‘•‡ym liczba odpadów (5741) była wyższa od tej odnotowanej w okresie

letnim (3076). Największy wzrost liczby odpadów w obydwu latach wystąpił w okresie

jesiennym. Taka charakterystyka może mieć związek z tym, że większość odcinków objęta jest

•›•–‡ƒ–› œ› ‘czyszczaniem, które prowadzą właściwe gminy, szczególnie w okresach

ƒŒ„ƒ”†œ‹‡Œƒ–”ƒ ›Œ› Š–—”›•–› œ‹‡Ǥ

Liczbę odpadów w poszczególnych kategoriach odnotowanych na 15 odcinkach w 2016 rǤ

porównano z danymi z roku 2015 (”›•ǤͳǤ͹ǤͷȌǤʹͲͳ͸”Ǥwzrosła liczbƒodpadów na linii polskiego

Wybrzeża, czterokrotny wzrost liczebności odpadów gumowych odnotowano na o† ‹—•–ƒ

ȋœ ͳͲ †‘ Ͷ͵ •œ–—ȌǤ ‹‡™‹‡Ž‹ ™œ”‘•– •–™‹‡”†œ‘o także na stacjach: Mielno, Choczewo, Hel,

Gdańsk, Stegna i Krynica Morska. Natomiast na stacji Świnoujście zliczono znacznie mniejszą

liczbę odpadów tego typu. W 2015”Ǥilość odpadów gumowych odnotowanych na tym odcinku

wynosiła 28 sztuk, natomiast w 20ͳ͸ ”Ǥ œŽ‹ œ‘‘ –›Ž‘ –”œ› ‰—‘™‡ ‡Ž‡‡–›Ǥ ’ƒ†‡

odnotowano również na stacjach: Darłowo, Smołdzino, Hel i Gdynia.



ͳͳͳ

›•ǤͳǤ͹ǤͷǤ





– 121 –

Poz. 230

Liczba odpadów (z czterech etapów badań) odnotowana na poszczególnych odcinkach ™

siedmiu głównych kategoriach w latƒch 2015 i 2016. Numery stacji odpowiadają

poszczególnym odcinkom: 1ǦŚwinoujście, 2Ǧ Dziwnów, 3ǦTrzebiatów, 4ǦKołobrzeg, 5Ǧ

‹‡Ž‘ǡ͸ǦDarłowo, 7Ǧ•–ƒǡͺǦSmołdzino, 9ǦŠ‘ œ‡™‘ǡͳͲǦ ‡ŽǡͳͳǦ ‡Ž ǡͳʹǦ †›‹ƒǡͳ͵Ǧ

Gdańsk, ͳͶǦ–‡‰ƒǡ ͳͷǦ Krynica Morska. Na wykresach zastosowano różne skale (źródło

danych PMŚ)Ǥ

ͳͳʹ



W przypadku odpadów papierowych, praktycznie na wszystkich stacjach odnotowano

spadek ich ilości w 2016 ”Ǥw porównaniu z rokiem ubiegłym. Największe różnice •–™‹‡”†œ‘‘ƒ

plaży w Gdyni, na której zliczono 27 odpadów z tej kategorii (150 sztuk w 2015 r.). Na odcinku

Mielno odnotowano trzykrotny wzrost elementów metalowych w porównaniu z poprzednim

”‘‹‡œʹͲͻ•œ–—™ʹͲͳͷ”Ǥliczebność odpadów wzrosła do 644 •œ–—™ʹͲͳ͸”Ǥœ”‘•––‡‰‘

typu odpadów stwierdzono także na plaży w Dziwnowie, Darłowie i na Helu. Na pozostałych

odcinkach liczba zanieczyszczeń metalowych pozostawała na zbliżonym poziomie, bądź uległa

nieznacznemu zmniejszeniu. W przypadku ubrań i tekstyliów na 11 z 15 odcinków stwierdzono

wzrost liczby odpadów tej kategorii w 2016 ”Ǥw porównaniu z 2015”. Najwięcej odpadów tego

typu zliczono w Choczewie. Natomiast najwięcej odpadów •œŽƒ› Š‹ ‡”ƒ‹ œ› Š•–™‹‡”†œ‘‘

™ Darłowie a plastików najwięceŒ •–™‹‡”†œ‘‘ ™ ‹‡Ž‹‡. Liczba odpadów szklanych i

ceramicznych wzrosła z 16 w 2015”Ǥ†‘ʹ͸Ͳ™ʹͲͳ͸”. Znaczny wzrost stwierdzono również w

przypadku elementów drewnianych na stacjach: Trzebiatów, Kołobrzeg, Mielno, Darłowo, Ustka

oraz Choczewo. Należy jednak podkreślić, że identyfikacja źródeł pochodzenia drewna (naturalne

czy antropogeniczne), szczególnie w przypadku niewielkich kawałków, jest trudnƒǤ

Odpady, które nie zostały zakwalifikowane do żadnej z grup zgromadzono w grupie

„odpady inne”. W 2015 rǤ na siedmiu odcinkach nie pojawiły się w ogóle, na pięciu odcinkach

wystąpiły w ilości kilku sztuk, jedynie na odcinku Choczewo ilość odpadów w tej kategorii

wynosiła 58. W kolejnym roku monitoringu odpadów morskich odnotowano wzrost liczebności

odpadów z grupy „odpady inne”, na pięciu odcinkach nie pojawiły się one w ogóle, na sześciu

odcinkach wystąpiły ilości kilku sztuk. Natomiast na czterech stacjach zliczono od 22 do 90 sztuk.

Najwięcej odpadów z tej kategorii odnotowano w Dziwnowieȋ”›•ǤͳǤ͹ǤͷȌǤ



TOP 20



Bazując na danych dotyczących poszczególnych rodzajów odpadów przeprowadzono

analizy statystyczne mające na celu wytypowanie rodzajów odpadów charakteryzujących się

największą liczebnością (–ƒ„‡Žƒ ͳǤ͹Ǥͳ). Najbardziej licznie występowały niedopałki papierosów

‹filtry (11220), których udział w całkowitej liczbie odpadów wynosił aż 30%. Na kolejnym

znalazły się kawałki drewna zaklasyfikowane do grupy inne drewno. Ich liczebność wynosiła

2998, co odpowiadało udziałowi na poziomie 8%. Na trzecim miejscu znalazły się kapsle od

butelek, wieczka i pokrywki stanowiące 4,7% wszystkich odpadów.



ƒ„‡ŽƒͳǤ͹ǤͳǤ Lista dwudziestu najliczniej odnotowywanych odpadów na linii brzegowej w latach 2015‹

ʹͲͳ͸(źródło danych PMŚ)Ǥ

TOP

Kategoria

Rodzaj odpadu

ͳǤ

ʹǤ

͵Ǥ

ͶǤ

ͷǤ

͸Ǥ

͹Ǥ

ͺǤ

ͻǤ

ͳͲǤ

ͳͳǤ

Žƒ•–‹

”‡™‘

‡–ƒŽ

”‡™‘

Žƒ•–‹

Žƒ•–‹

Žƒ•–‹

”‡™‘

Szkło

Žƒ•–‹

Žƒ•–‹

ͳ͵Ǥ

ͳͶǤ

ͳͷǤ

ͳ͸Ǥ

Žƒ•–‹

‡–ƒŽ

Žƒ•–‹

ƒ’‹‡”

niedopałki papierosów i filtry

‹‡†”‡™‘

ƒ’•Ž‡‘†„—–‡Ž‡ǡ™‹‡ œƒ‹’‘”›™‹

‹‡†”‡™‘δͷͲ 

sztućce, tacki, słomki, mieszadła

kapsle, pokrywy, pierścienie

„—–‡Ž‹’‘ƒ’‘Œƒ ŠεͲǤͷŽ

‹‡†”‡™‘εͷͲ 

butelki (kawałki butelek)

opakowania po słodyczach

kawałki plastiku 2.5 cm > < 50cm

–‘”„›ƒœƒ—’›ǡ’Žƒ•–‹‘™‡œ‰”œ‡™‹‘†

’—•œ‡

długopisy i nakrętki

’—•œ‹’‘ƒ’‘Œƒ Š

‹‡’Žƒ•–‹‹

kawałki papieru

ͳʹǤ

Žƒ•–‹



ͳͳ͵

Liczba

odpadów

ͳͳʹʹͲ

ʹͻͻͺ

ͳ͹ͶͲ

ͳ͵͹Ͷ

ͳ͵Ͳʹ

ͳʹͶͲ

ͳͳ͹͹

ͳͳͶʹ

ͳͲͷͳ

ͺͳͻ

ͺͳͺ

Udział

procentowy

͵Ͳǡͳ

ͺǡͲ

Ͷǡ͹

͵ǡ͹

͵ǡͷ

͵ǡ͵

͵ǡʹ

͵ǡͳ

ʹǡͺ

ʹǡʹ

ʹǡʹ

͹Ͷʹ

͹Ͷͳ

͸ʹʹ

͸ͳ͵

ʹǡͲ

ʹǡͲ

ͳǡ͹

ͳǡ͸

͹Ͷ͵

ʹǡͲ

TOP

Kategoria

Rodzaj odpadu

ͳ͹Ǥ

ͳͺǤ

ͳͻǤ

ʹͲǤ

Žƒ•–‹

Žƒ•–‹

Žƒ•–‹

Žƒ•–‹

„—–‡Ž‹’‘ƒ’‘Œƒ ŠδαͲǤͷŽ

—„‹‹’‘”›™›

’ƒ–› œ‹†‘—•œ—

plastik/kawałki polistyrenu 2.5 cm > < 50cm

Liczba

odpadów

ͷͻʹ

Ͷ͵͵

ͶͲʹ

͵ͷͻ

Udział

procentowy

ͳǡ͸

ͳǡʹ

ͳǡͳ

ͳǡͲ



Biorąc pod uwagę podstawowe kategorie odpadów największym udziałem na poziomie

68% charakteryzowały się plastiki, udział opadów drewnianych był na poziomie 18%, odpadów

‡–ƒŽ‘™› Š–8%, odpadów szklanych –3% i odpadów papierowych –ʹΨȋ”›•ǤͳǤ͹Ǥ͸ȌǤWśród

poszczególnych odpadów tworzących listę 20 najbardziej powszechnych odpadów nie znalazły

się odpady z kategorii: ubrania i tekstylia oraz gumaǤ



›•ǤͳǤ͹Ǥ͸Ǥ



Udział procentowy pięciu grup najliczniejszych odpadów w latach 2015 ‹ ʹͲͳ͸ (źródło

danych PMŚ)Ǥ



Odpady zdeponowane na dnie



Dane dotyczące odpadów zdeponowanych na dnie pochodzące z lat 2015 i 2016 pozyskano

œ

„ƒœ›

†ƒ› Š



(źródło

Š––’ǣȀȀ™™™Ǥ‹ ‡•Ǥ†Ȁƒ”‹‡Ǧ†ƒ–ƒȀ†ƒ–ƒǦ

’‘”–ƒŽ•Ȁƒ‰‡•ȀǤƒ•’šȌǤ ƒ‡ ”ƒ’‘”–‘™ƒ‡ ’”œ‡œ ‘”•‹ •–›–—– ›„ƒ ‹ Ǧ Państwowy

Instytut Badawczy pozyskiwane są podczas trałowaniƒ’”‘™ƒ†œ‘‡‰‘™”ƒƒ Š‹‡Ž‘Ž‡–‹‡‰‘

”‘‰”ƒ—„‹‡”ƒ‹ƒƒ› Š›„ƒ ‹ Š’”‘™ƒ†œ‘‡‰‘’”œ‡œ Ǧ ȋ”›•ǤͳǤ͹Ǥ͹ȌǤ

Całkowita masa odpadów zidentyfikowanych w 2015 rǤwyniosła 2,45 kg, natomiast w 2016

”Ǥͳ͹ǡͷ‰ȋ–ƒ„‡ŽƒͳǤ͹Ǥʹ). Oczywiście końcowy wynik –masa zidentyfikowanych odpadów zależy

od obszaru objętego badaniami. 



ƒ„‡ŽƒͳǤ͹ǤʹǤ Wyniki badań odpadów zgromadzonych na dnie w rejonach południowego Bałtyku wŽƒ–ƒ Š

ʹͲͳͷ‹ʹͲͳ͸Ǥ

‘

ʹͲͳͷ

ʹͲͳ͸





Głębokość [m]

ͳͻǦͳͳʹ

Czas trałowania [min]

‘oło͵Ͳ

ͳͳͶ

ƒ•ƒȏ‰Ȑ

Liczba zaciągów

ͳ͹ǡͶͷͻ

ͷͳ

ʹǡͶͶͻ

͵͵



›•ǤͳǤ͹Ǥ͹Ǥ

Lokalizacja obszarów ‹†‡–›ˆ‹ƒ Œ‹odpadów zdeponowanych na dnieǤ



Mikrocząstki w wodzie morskiej i osadach dennych



Termin mikrocząstki stosuje się w przypadku cząstek odpadów mniejszych niż 5 mm, ale

mogą one również być znacznie mniejsze. Badania mikrocząstek obejmują zarówno cząsteczki

•›–‡–› œ‡ǡŒƒ‹‹‡•›–‡–› œe (takie jak plastik, celuloza, bawełna, wełna, guma, metal, szkło).

Cząstki mogą pochodzić ze źródeł pierwotnych lub pochodzić z rozkładu większych elementów

śmieci (tak zwane cząstki wtórne). Mikrocząstki można znaleźć we wszystkich

‡Ž‡‡–ƒ ŠȀƒ–”› ƒ Š środowiska, w wodzie morskiej, osadach dennych, w organizmach, na

„”œ‡‰—Ǥ

ʹͲͳ͸”Ǥpobrano próbki wody morskiej i osadów dennych do badań mikrocząstek w 6

Ž‘ƒŽ‹œƒ Œƒ Šǣ

ͳȌ Ͷ™”‡Œ‘‹‡‘”œƒ‘–™ƒ”–‡‰‘ǣGłębia Gdańska Ǧͳǡ• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹ǦͳͶͲǡ

Głębia Bornholmska Ǧͷ‹Basen Gdański ǦͳͳͲ’‘† œƒ•”‡Œ•—™ʹͲͳ͸”ǤǢ

ʹȌ w Zalewie Szczecińskim –Ǣ

3) w Zalewie Wiślanym –Ǥ

Największą liczbę mikrocząstek zidentyfikowano w wodzie ™rejonie Głębi Bornholmskiej

ȋͷʹȌ – ”›•Ǥ ͳǤ͹ǤͺǤ W dalszej kolejności znalazły się obszary Zalewów Wiślanego (37) i

Szczecińskiego (36). W rejonie Zatoki Gdańskiej (P110), Głębi Gdańskiej (P1) i wschodniego

ƒ•‡— ‘–Žƒ†œ‹‡‰‘ȋͳͶͲȌŽ‹ œby mikrocząstek w wodzie morskiej były zbliżone (16ǦͳͺȌǤ

W przypadku osadów poza obszarem wschodniego Basenu Gotlandzkiego, gdzie

zidentyfikowano tylko 1 mikrocząstkę, liczba mikrocząstek pozostawałƒw wąskim zakresie od 7

†‘ͳͲǤ



ͳͳͷ

›•ǤͳǤ͹ǤͺǤ



– 125 –

Poz. 230

‹ œ„ƒmikrocząstek w wodzie morskiej i osadach dennych w 2016 rǤ(źródło danych PMŚ)Ǥ

1.8. Substancje niebezpieczne w elementach środowiska morskiego i efekty ich

oddziaływania oraz substancje niebezpieczne w rybach przeznaczonych do

spożycia



‘‹–‘”‹‰ ’”‘™ƒ†œ‘› ™ ’‘Ž•‹‡Œ •–”‡ˆ‹‡ ‘”œƒ Bałtyckiego w zakresie substancji

zanieczyszczających w środowisku morskim i w zakresie efektów oddziaływania substancji

zanieczyszczających obejmuje trzy grupy substancji chemicznych: metale ciężkie, trwałe związki

‘”‰ƒ‹ œ‡ ‘”ƒœ ”ƒ†‹‘—Ž‹†›ǡ —względniając rekomendacje dyrektywy dotyczącej substancji

priorytetowych oraz rekomendacje wynikające z prac realizowanych w ramach Projektu HELCOM

HOLAS II mającego na celu przeprowadzenie holistycznej oceny stanu środowiska Bałtyku

obejmującej lata 2011ǦʹͲͳ͸‹‘’artej na uzgodnionych regionalnie wskaźnikach podstawowychǤ

Poziomy stężeń poszczególnych substancji określane są w różnych elementach ekosystemu

‘”•‹‡‰‘ǣ™‘†œ‹‡‘”•‹‡Œǡ‘”‰ƒ‹œƒ Š‘”ƒœ‘•ƒ†ƒ Š†‡› Š™›–›’‘™ƒ› Šƒ’‘†•–ƒ™‹‡

adekwatności ich stosowania w ocenie stanu środowiska. Uzyskane dane w ramach Państwowego

Monitoringu Środowiska, na zlecenie Głównego Inspektora Ochrony Środowiska i finansowane

przez Narodowy Fundusz Ochrony Środowiska i Gospodarki Wodnej, pozwalają na

’”œ‡’”‘™ƒ†œ‡‹‡‘ ‡›•–anu środowiskaw zakresie dwóch wskaźników D8 Ǧstężenie substancji

zanieczyszczających w elementach środowiska utrzymuje się na poziomie, który nie wywołuje

skutków charakterystycznych dla zanieczyszczenia oraz ͻ – ’‘œ‹‘ •—„•–ƒ Œ‹

zanieczyszczających w rybach i owocach morza przeznaczonych do spożycia przez ludzi nie

przekracza poziomów ustanowionych w prawodawstwie UE ani innych odpowiednich norm

œ‰‘†› Šœœƒ’‹•ƒ‹Ǥ

Stężenia większości substancji: metali ciężkich (Pb, Cd i Hg) i związków chloroo”‰ƒ‹ œ› Š

w rybach, małżach i osadach dennych oraz ͳ͵͹• ‹ ͻͲSr (reprezentujących izotopy

promieniotwórcze) w wodzie morskiej ‘‹–‘”‘™ƒ‡są w sposób systematyczny‘†™‹‡Ž—Žƒ–™

ramach Państwowego Monitoringu Środowiska. Związki bromoorganiczne, organiczne związki

cyny oraz wielopierścieniowe węglowodory aromatyczne zostały objęte monitoringiem od 2012

”Ǥǡ ƒ–‘‹ƒ•– ‘† ʹͲͳͶ ”Ǥ do monitoringu włączono aƒŽ‹œ› •—Žˆ‘‹ƒ— ’‡”ˆŽ—‘”‘‘–ƒ‘™‡‰‘

ȋ Ȍ™”›„ƒ h oraz farmaceutyków w wodzie. 

W obszarach wód przejściowych i przybrzeżnych prowadzony jest monitoring substancji

’”‹‘”›–‡–‘™› Šœ‰‘†‹‡œ™›‘‰ƒ‹Ǥ



ͳͳ͸

 ʹͲͳͶ ”Ǥ do programu monitoringu włączono metodę testu mikrojądrowego

umożliwiającą badanie stanu ryb, w kontekście oceny szkodliwego oddziaływania substancji

‹‡„‡œ’‹‡ œ› Šƒ‘”‰ƒ‹œ›‘”•‹‡Ǥ



Radionuklidy

Woda



Žƒ–ƒ ŠʹͲͳͳǦ2016, podobnie jak w latach poprzednich, w polskiej części południowego

Bałtyku kontynuowany był monitoring dwóch izotopów promieniotwórczych: cezu – ͳ͵͹• ‹

•–”‘–—– ͻͲSr obecnych w środowisku morskim. Są to izotopy pochodzenia antropogenicznego,

charakteryzujące się stosunkowo długim okresem połowicznego rozpadu promieniotwórczego

wynoszącym odpowiednio 30 i28 lat, które w głównej mierze odpowiedzialne są za kształtowanie

poziomu radioaktywności w wodach Morza Bałtyckiego. Głównymi źródłami monitorowanych

izotopów są testy broni jądrowej, których intensyfikacja przypada na lata 50. i 60. ™‹‡—‘”ƒœ

ƒ™ƒ”‹ƒ elektrowni w Czarnobylu, która miała miejsce w 1986 r. Na zmiany ich aktywności

promieniotwórczej w środowisku morskim wpływają głównie rozpad promieniotwórczy, procesy

„‹‘ƒ——Žƒ Œ‹™‘”‰ƒ‹œƒ Šˆƒ—›‹ˆŽ‘”›‘”•‹‡Œǡ’”‘ ‡•›•‡†›‡–ƒ Œ‹‘”ƒœ™›‹ƒƒwód z

Morzem Północnym.

Średnie stężenie promieniotwórcze ͳ͵͹• ™ ™‘†œ‹‡ ‘”•‹‡Œ ™ ʹͲͳ͸ ”Ǥǡ ‘„Ž‹ œ‘‡ ƒ

podstawie wyników z 17 stacji zlokalizowanych w polskiej strefie ekonomicznej Bałtyku,

wynosiło 22,3 Bq mǦ͵ i było nieznacznie wyższe od średniego stężenia odnotowanego w roku

’‘’”œ‡†‹ ͳͻǡʹ “ Ǧ͵, ale jednocześnie średnia aktywność omawianego izotopu w 2016 rǤ

stanowiła około1/5 maksymalnej wartości odnotowanej w 1991 rǤi będącej wynikiem awarii

‡Ž‡–”‘™‹™œƒ”‘„›Ž—ǤʹͲͳ͸”Ǥ, stężenia ͳ͵͹•™wodach południowego Bałtyku pozostawały

™œƒ”‡•‹‡‘†ͻǡͶ“Ǧ͵ †‘ʹͺǡͲ“Ǧ͵. Najmniejsza wartość wystąpiła, podobnie jak w latach

poprzednich w rejonie ujścia Wisły, gdzie udział wód rzecznych jest znaczący, o czym świadczy

‹•‹‡ œƒ•‘Ž‡‹‡ ‘„•‡”™‘™ƒ‡ w tym rejonie. Największa wartość równa 28 Bq mǦ͵ została

odnotowana w rejonie wschodniego Basenu Gotlandzkiego na głębokości 40 m. Stężenia poniżej

ʹͲ“Ǧ͵‘†‘–‘™ƒ‘™™‘†ƒ Š’‘™‹‡”œ Š‹‘™› Šƒ–‘‹‘‘”•‹‡Œ‹™™‘†ƒ Š’”œ›†‡› Š

™ƒ•‡‹‡‘”Š‘Ž•‹Ǥ

 ʹͲͳ͸ ”Ǥ średnie stężenia ͳ͵͹• ™ –”œ‡ Š ‘„•œƒ”ƒ Š ’‘††ƒ™ƒ› Š ‘ ‡‹‡ǡ ™ ƒ•‡‹‡

Bornholmskim, wschodnim Basenie Gotlandzkim i Basenie Gdańskim były nieznacznie większe

od wartości w roku poprzednim (”›•ǤͳǤͺǤͳ). Wynosiły odpowiednio 21,5 Bq mǦ͵ǡʹͶǡͳ“Ǧ͵‹ʹ͵ǡ͵

“Ǧ͵. Średnie stężenie ͳ͵͹•ǡ’”ƒ–› œ‹‡‹‡œ‹‡‹‘‡™•–‘•——†‘”‘—’‘’”œ‡†‹‡‰‘ǡƒŽ‡

jednocześnie zdecydowanie niższe niż w pozostałych obszarach oceny, wystąpiło w ’‘Ž•‹ Š

™‘†ƒ Šprzybrzeżnych Basenu Gdańskiego (15,6 Bq mǦ͵ȌǤƒ•ƒ†‹ œ‘™‡™•œ›•–‹ Š‘„•œƒ”ƒ Š

obserwuje się spadek stężeń promieniotwórczych ͳ͵͹Cs w stosunku do roku 2011, stanowiącego

początek okresu oceny, w którym średnie stężenia w trzech obszarach: Basenie Bornholmskim,

wschodnim Basenie Gotlandzkim i Basenie Gdańskim były bardzo wyrównane i pozostawały w

œƒ”‡•‹‡ ͵ͳǡͳ – ͵ͳǡͻ “ Ǧ͵Ǥ  ʹͲͳͳ ”Ǥ ™ ’‘Ž•‹ Š wodach przybrzeżnych Basenu Gdańskiego

średnie stężenie ͳ͵͹Cs wynosiło 25,1 Bq mǦ͵i było wyższe o okołoͳͲ“Ǧ͵‘†‘„•‡”™‘™ƒ‡‰‘

™–›‘„•œƒ”œ‡™ʹͲͳ͸”Ǥ







ͳͳ͹



›•ǤͳǤͺǤͳǤ







Średnie stężenia ͳ͵͹•ȋ“Ǧ͵Ȍ™™‘†œ‹‡‘”•‹‡Œ™‘„•œƒ”ƒ Š‘ ‡›(źródło danych PMŚ)Ǥ



’”œ›’ƒ†—ͻͲSr nie obserwuje się jednoznacznych trendów zmian w żadnym z akwenów,

w których średnie aktywności w 2016 rǤbyły bardzo wyrównane (”›•ǤͳǤͺǤʹ). Najmniejsza wartość

ȋͷǡ͸“Ǧ͵) charakteryzowała wody przybrzeżne Basenu Gdańskiego. W pozostałych basenach

wartości były praktycznie identyczne: 6,0 Bq mǦ͵ ™ ƒ•‡‹‡ ‘”Š‘Ž•‹ǡ ͸ǡʹ “ Ǧ͵ ™‡

™• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹‹͸ǡ͵“Ǧ͵™Basenie Gdańskim. Wartości te były mniejsze o

Ͳǡͷ†‘Ͷǡͷ“Ǧ͵od wartości odnotowanych w 2011 rǤ, w którym średnie stężenia ͻͲSr wynosiły

‘†’‘™‹‡†‹‘ǣ ͺǡʹͻ “ Ǧ͵ ™ ƒ•‡‹‡ ‘”Š‘Ž•‹ǡ ͳͲǡ͹ “ Ǧ͵ ™‡ ™• Š‘†‹ ƒ•‡‹‡

‘–Žƒ†œ‹ǡ ͹ǡ͸ “ Ǧ͵ ™ ƒ•‡‹‡ Gdańskim i 6,1 Bq mǦ͵ w wodach przybrzeżnych Basenu

Gdańskiego. Największa zmiana dotyczyła wschodniego Basenu Gotlandzkiego, gdzie średnie

stężenie zmalało o 4,5 Bq mǦ͵Ǥ

W roku 2016 średnia aktywność promieniotwórcza ͻͲSr charakterystyczna dla całego

‘„•zaru południowego Bałtyku wynosiła 6,1 Bq mǦ͵. Najmniejsze stężenie ͻͲSr równe 3,9 Bq mǦ͵

odnotowano w wodach przydennych Głębi Gdańskiej, największe zaś (9,4 Bq mǦ͵Ȍ ™ ™‘†ƒ Š

przydennych Basenu Gdańskiego na stacji P110.





ͳͳͺ



›•ǤͳǤͺǤʹǤ

– 128 –

Poz. 230









Średnie stężenia ͻͲ”ȋ“Ǧ͵Ȍ™™‘†œ‹‡‘”•‹‡Œ™‘„•œƒ”ƒ Š‘ ‡›(źródło danych PMŚ)Ǥ

Ryby



 Žƒ–ƒ Š ʹͲͳͶ – 2016 prowadzono analizy mające na celu określenie stężeń

promieniotwórczego izotopu cezu – ͳ͵͹• ™ ‘‘‹— ȋPerca fluviatilis) odłowionym w Zalewie

Wiślanym i Zalewie Szczecińskim. W 2016 rǤaktywności ͳ͵͹Cs w rybach z Zalewu Szczecińskiego

zmieniały się w węższym zakresie niż miało to miejsce w roku poprzednim: od 3,6 do 6,2 Bq kgǦͳ

ǤǤ™’”œ›’ƒ†—•ƒ‹ ‹‘†͵ǡͳ†‘͸ǡ͸“‰Ǧͳm.m. w przypadku samców ȋ”›•ǤͳǤͺǤ͵ȌǤWartości

średnie dla obu płci były bardzo wyrównane i wynosiły odpowiednio 4,5 Bq kgǦͳǤǤ–•ƒ‹ ‡‹

Ͷǡ͸“‰ǦͳǤǤ–samce i były nieco niższe niż obserwowane w roku poprzednim: 6,3 Bq‰Ǧͳ

ǤǤ‹͹ǡͶ“‰Ǧͳm.m. Biorąc pod uwagę okres badań od 2014 ”Ǥ†‘ʹͲͳ͸”Ǥmożna stwierdzić

pewną tendencję spadkową w zakresie stężeń ͳ͵͹Cs w okoniu z Zalewu Szczecińskiego (”›•ǤͳǤͺǤ͵ȌǤ

W Zalewie Wiślanym stężenia w przypadku obydwu płci pozostawały na niższych poziomach,

wartości średnie wynosiły odpowiednio 2,1 Bq kgǦͳǤǤȋ•ƒ‹ ‡Ȍ‹ʹǡ͸“‰Ǧͳm.m. (samce) i były

bardzo zbliżone do wartości obserwowanych w ”‘—’‘’”œ‡†‹ǣʹǡͻ“‰ǦͳǤǤȋ•ƒ‹ ‡Ȍ‹ʹǡͺ

“‰ǦͳǤǤȋ•ƒ ‡ȌǤ



ͳͳͻ

Poz. 230

5

Zalew Wiślany

[Bq kg-1 m.m.]

8

6

samiec

samica

4

137Cs

137Cs

[Bq kg-1 m.m.]

Zalew Szczeciński

2

4

3

samiec

samica

2

1

0

2014

›•ǤͳǤͺǤ͵Ǥ

2015

2016



0

2014

2015

2016



Średnie stężenia ͳ͵͹•™‘‘‹—ȋPerca fluviatilisȌ™Žƒ–ƒ ŠʹͲͳͶǦʹͲͳ͸(źródło danych PMŚ)Ǥ



Metale ciężkie

Rośliny makrofitobentosowe



 Žƒ–ƒ Š ʹͲͳͶ Ǧ 2016 prowadzono pomiary stężeń metali ciężkich: kadmu (Cd), ołowiu

(Pb), rtęci (Hg) i niklu (Ni) oraz promieniotwórczego izotopu cezu –ͳ͵͹•™™›„”ƒ› Š‰ƒ–—ƒ Š

roślin makrofitobentosowych. Do badań wykorzystano rośli› ’‘„‹‡”ƒ‡ ™ œ–‡”‡ Š

lokalizacjach: Klif Orłowski, Jama Kuźnicka, Głazowisko Rowy i Głazowisko Ławica Słupska w

dwóch sezonach (czerwcu i wrześniu) w ramach monitoringu stanu makrofitobentosu. Do badań

wytypowano siedem gatunków: cztery reprezentujące algi i gromadę krasnorostów ǦPolysiphonia

fucoidesǡ Furcellaria lumbricalisǡ Coccotylus truncatus ‹ Ceramium dipahanum, Œ‡†‡

”‡’”‡œ‡–—Œą › ”ƒ‹‡‹ ‡ Ǧ Chara baltica i dwa należące do roślin naczyniowych Ǧ Stuckenia

pectinata ‹ Zanichellia palustrisǤP. fucoides‹F. lumbricalissą gatunkami specyficznymi dla Klifu

Orłowskiego, Głazowiska Rowy i Głazowiska Ławica Słupska, natomiast S. pectinataǡZ. palustris‹

C. balticawystępują w rejonie Jamy Kuźnickiej. 

Dane prezentowane na wykresach przedstawiają wartości średnie wyliczone na podstawie

pojedynczych wyników uzyskanych dla każdego z gatunków występujących na różnych

głębokościach i różnych sezonachȋ”›•ǤͳǤͺǤͶ–”›•ǤͳǤͺǤͺȌǤ

ʹͲͳ͸”Ǥ, podobnie jak w latach poprzednich, największymi stężeniami zarówno metali

ciężkich, jak i ͳ͵͹Cs charakteryzowała się P. fucoides. Średnie aktywności ͳ͵͹• ™ ”‡Œ‘‹‡ Ž‹ˆ—

Orłowskiego i Rowów wynosiły odpowiednio 19,8 Bq kgǦͳ•ǤǤ‹͸ǡͺ“‰Ǧͳs.m. i były nieznacznie

niższe niż obserwowane w roku poprzednim. W przypadku pozostałych gatunków i lokalizacjiǡ

stężenia ͳ͵͹Cs pozostawały poniżej granicy oznaczalności stosowanej metody, z wyjątkiem

‰ƒ–——Ch. balticawystępującej w rejonie Jamy Kuźnickiej, w tkankach której aktywność ͳ͵͹•

wyniosła 3,5 Bq kgǦͳ•ǤǤ

Największe średnie stężenia Hg występowały, podobnie jak w latach poprzedn‹ Šǡ ™ P.

fucoides. Wynosiły one odpowiednio 39,1 µg kgǦͳs.m. w rejonie Klifu Orłowskiego, 27,9 µg kgǦͳ

s.m. w rejonie Rowów oraz 26,4 µg kgǦͳ s.m. w rejonie Ławicy Słupskiej. Zbliżone wartości

zawartości Hg, przekraczające 20 µg kgǦͳ•ǤǤ‘†‘–‘™ƒ‘™–ankach pozostałych krasnorostów

w rejonie Rowów, natomiast w obszarze Klifu Orłowskiego i Ławicy Słupskiej stężenia Hg w F.

lumbricalisǡC. truncatus‹C.diaphanumzmieniały się w granicach od 14 do 19 µg kgǦͳ•ǤǤƒ‹

roślin naczyniowych z rejonu Jamy Kuźnickiej charakteryzowały się zawartością Hg na poziomie

zbliżonym do poziomu obserwowanego w przypadku alg. Stężenia Hg wynosiły odpowiednio 21,3

µg kgǦͳ•ǤǤ™’”œ›’ƒ†—Z. palustris, 17.9 µg kgǦͳ•ǤǤ™’”œ›’ƒ†—S. pectinataǤ

Stężenie Pb w P. fucoides w rejonach Klifu Orłowskiego wynosiło 7,6 mg kgǦͳ s.m. i było

zdecydowanie wyższe od odnotowanego w rejonie Rowów (1,8 mg kgǦͳ •ǤǤȌǤ ƒ”†œ‘ ‹•‹‡

stężenie Pb odnotowano w przypadku pozostałych krasnorostów. Zmieniało się ono™œƒ”‡•‹‡

‘†ͲǡͶ‰‰Ǧͳ•ǤǤ™’”œ›’ƒ†—F. lumbricalisw rejonie Rowów i C. diapanumw rejonie Ławicy

Słupskiej do 1,8 mg kgǦͳ•ǤǤ–wartości odnotowanej w F. lumbricalisw rejonie Klifu Orłowskiego.

Stężenia Pb w Ch. balticai roślinach naczyniowych w Jamie Kuźnickiej pozostawały na poziomie

ͳ‰‰Ǧͳ•ǤǤ



ͳʹͲ

40

Klif Orłowski

35

30

25

P.fucoides

20

F. lumbricalis

C. truncatus

15

10

5

0

›•ǤͳǤͺǤͶǤ



Cs-137

Hg

Cd

Pb

Ni

Stężenia ͳ͵͹• ȏ“ ‰Ǧͳ s.m.], Hg [µg kgǦͳ •ǤǤȐ ‘”ƒœ †ǡ „ ‹ ‹ ȏ‰ ‰Ǧͳ •ǤǤȐ ™ –”œ‡ Š

gatunkach roślin makrofitobentosowych w rejonie Klifu Orłowskiego w 2016 r. (czerwone

linie wyznaczają granicę dobrego stanu środowiska Ǧ ™ ’”œ›’ƒ†— ‰ ‰”ƒ‹ ƒ ’‘œƒ

œƒ”‡•‡‘•‹Ȍ(źródło danych PMŚ)Ǥ

40

Jama

Kuźnicka

35

30

25

Z. palustris

20

S. pectinata

Ch. baltica

15

10

5

0

›•ǤͳǤͺǤͷǤ

Cs-137

Hg

Cd

Pb

Ni



Stężenia ͳ͵͹• ȏ“ ‰Ǧͳ s.m.], Hg [µg kgǦͳ •ǤǤȐ ‘”ƒœ †ǡ „ ‹ ‹ ȏ‰ ‰Ǧͳ •ǤǤȐ ™ –”œ‡ Š

gatunkach roślin makrofitobentosowych w rejonie Jamy Kuźnickiej w 2016 r. (czerwone

linie wyznaczają granicę dobrego stanu środowiska Ǧ ™ ’”œ›’ƒ†— ‰ ‰”ƒ‹ ƒ ’‘œƒ

œƒ”‡•‡‘•‹Ȍ(źródło danych PMŚ)Ǥ



Również w przypadku Cd stężenia pozostawały na stosunkowo niskim poziomie. Najniższe

stężenia w bardzo wąskim zakresie od 0,3 do 0,4 mg kgǦͳ s.m. wystąpiły w trzech gatunkach

krasnorostów w rejonie Ławicy Słupskiej. Nieznacznie tylko wyższe wartości na poziomie 0,7 –

Ͳǡͺ‰‰Ǧͳs.m. charakteryzowały te gatunki w rejonie Rowów i Klifu Orłowskiego. Natomiast w

przypadku roślin występujących w Jamie Kuźnickiej, najniższe stężenie odnotowano w Z. palustris

ȋͲǡͷ‰‰Ǧͳs.m.), najwyższe zaś S. pectinataȋͳǡ͸‰‰Ǧͳ•ǤǤȌǤ

Największe stężenia Ni wystąpiły w F. lumbricalisȋͳʹǡͻ‰‰Ǧͳ•ǤǤȌ‹C. truncatusȋͻǡͻ‰

Ǧͳ

‰ s.m.) w rejonie Ławicy Słupskiej. W przypadku dwóch pozostałych lokalizacji, specyficznych

dla występowania krasnorostów stężenia Ni pozostawały w zakresie od 2 do 5 mg kgǦͳ •ǤǤ

Najniższezawartości Ni charakteryzowały tkanki roślin naczyniowych: Z. palustrisͳǡ͵‰‰Ǧͳ•ǤǤ

‹S. pectinataǦʹǤʹ‰‰Ǧͳ•ǤǤ‘”ƒœ‰ƒ–—‡Ch. baltica–ͳǡͷ‰‰Ǧͳ•ǤǤ





ͳʹͳ

40

Rowy

35

30

25

P.fucoides

20

F. lumbricalis

C. diaphanum

15

10

5

0

›•ǤͳǤͺǤ͸Ǥ



Cs-137

Hg

Cd

Pb

Ni



Stężenia ͳ͵͹• ȏ“ ‰Ǧͳ s.m.], Hg [µg kgǦͳ •ǤǤȐ ‘”ƒœ †ǡ „ ‹ ‹ ȏ‰ ‰Ǧͳ •ǤǤȐ ™ –”œ‡ Š

gatunkach roślin makrofitobentosowych w rejonie Głazowiska Rowy w 2016 r. (czerwone

linie wyznaczają granicę dobrego stanu środowiska Ǧ ™ ’”œ›’ƒ†— ‰ ‰”ƒ‹ ƒ ’‘œƒ

œƒ”‡•‡‘•‹Ȍ(źródło danych PMŚ)Ǥ

40

Ławica

Słupska

35

30

25

P.fucoides

F. lumbricalis

20

C. truncatus

15

c. diaphanum

10

5

0

›•ǤͳǤͺǤ͹Ǥ

Hg

Cd

Pb

Ni



Stężenia Hg [µg kgǦͳ •ǤǤȐ ‘”ƒœ †ǡ „ ‹ ‹ ȏ‰ ‰Ǧͳ s.m.] w czterech gatunkach roślin

makrofitobentosowych w rejonie Głazowiska Ławica Słupska w 2016 r. (czerwone linie

wyznaczają granicę dobrego stanu środowiska Ǧ™’”œ›’ƒ†— ‰‰”ƒ‹ ƒ’‘œƒœƒ”‡•‡‘•‹Ȍ

(źródło danych PMŚ)Ǥ



Z porównania stężeń monitorowanych w latach 2014ǦʹͲͳ͸•—„•–ƒ Œ‹‹‡„‡œ’‹‡ œ› Š™

–ƒƒ ŠP. fucoidesz rejonu Klifu Orłowskiego (”›•ǤͳǤͺǤͺȌwynika, że stężenia te zmieniają się w

pewnych granicach, brak jest jednak jednoznacznych zmian, które wskazywałyby na określone

zmiany w środowisku. Tylko w przypadku ͳ͵͹Cs można oczekiwać spadku związanego głównie z

”‘œ’ƒ†‡’”‘‹‡iotwórczym, ale dotyczy to dłuższego okresu monitorowania.







ͳʹʹ

Poz. 230

Klif Orłowski

35

30

25

2014

20

2015

2016

15

10

5

0

›•ǤͳǤͺǤͺǤ

Cs-137

Hg

Pb

Cd



Stężenia ͳ͵͹•ȏ“‰Ǧͳs.m.], Hg [µg kgǦͳ•ǤǤȐ‘”ƒœ†ǡ„‹‹ȏ‰‰Ǧͳ•ǤǤȐ™P. fucoides™

rejonie Klifu Orłowskiego w latach 2014Ǧ2016 (czerwone linie wyznaczają granicę dobrego

stanu środowiska Ǧ™’”œ›’ƒ†— ‰‰”ƒ‹ ƒ’‘œƒœƒ”‡•‡‘•‹Ȍ(źródło danych PMŚ)Ǥ



Biorąc pod uwagę lokalizację obszarów występowania roślinności makrofitobentosowejǡ

stan wód przybrzeżnych Basenu Gdańskiego może być opisany na podstawie wyników

uzyskanych dla rejonu Klifu Orłowskiego i Jamy Kuźnickiej, rejon Rowów charakteryzuje wody

przybrzeżne Basenu Bornholmskiego, natomiast Ławica Słupska może być reprezentatywna†Žƒ

Basenu Bornholmskiego, co zostało wykorzystane w ocenie.

Ryby i małże



Žƒ–ƒ ŠʹͲͳͳǦ2016 w polskiej części południowego Bałtyku kontynuowano monitoring

pod względem zanieczyszczenia organizmów metalami ciężkimi: kadmem (Cd), ołowiem (Pb) i

rtęcią (Hg). Pierwsze oznaczenia metali wykonano w 1998 r. Najdłuższa seria danych ™Žƒ–ƒ Š

ͳͻͻͺ–2016 dotyczy śledzia z wschodniego Basenu Gotlandzkiego oraz małży z Zatoki Gdańskiej,

czyli wód przybrzeżnych Basenu Gdańskiego. W kolejnych latach zakres monitoringu rozszerzano

‘‘™‡‘„•œƒ”›‹‰ƒ–—‹ǤStężenia metali oznaczano w tkankachśledzia (Clupea harengusȌǡ•–‘”‹

ȋPlatichthys flesusȌǡ‘‘‹ƒȋPerca fluviatilis) i małży (Mytilus trossulus). Rtęć oznaczano w tkance

mięśniowej ryb, natomiast kadm i ołów w wątrobach.

Stężenia kadmu w wątrobach ryb były w całym okresie badań zależne o†„ƒ†ƒ‡‰‘‰ƒ–——

ȋ”›•Ǥ ͳǤͺǤͻ). W 2016 r. pomiary wykazały, że wątroby śledzia z Basenu Gotlandzkiego i

Bornholmskiego charakteryzują się najwyższym stężeniem kadmu odpowiednio ǦͲǡͷͺͷ‹ͲǡͷͲͲ

‰‰Ǧͳ m.m. Stężenia kadmu w wątrobach okonia z Zalewu Szczecińskiego i Zalewu Wiślanego

były wielokrotnie niższe ǦͲǡͲͶͲ‹ͲǡͲͻͳ‰‰Ǧͳm.m. Stężenia kadmu w storni (0,263 i 0,217 mg

‰Ǧͳ.m.) były około 50% niższe w porównaniu ze stężeniem w śledziach. W Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͸

średnie stężenie kadmu w omułkach ze strefy przybrzeżnej Basenu Bornholmskiego (0,109 mg

‰Ǧͳm.m.) jest znacznie niższe od średniego stężenia w omułkach z Zatoki Gdańskiej (0,184 mg

‰Ǧͳm.m.), jednak w 2016 r. stężenia kadmu były bardziej wyrównane i wyniosły‘†’‘™‹‡†‹‘

Ͳǡͳʹ͵‹ͲǡͳͶ͵‰‰ǦͳǤǤ





ͳʹ͵

0,70

0,50

0,40

śledź

0,30

stornia

0,20

2011

2012

0,70

2014

2015



0,50

0,40

małże

0,30

0,20

0,20

2011

2012

2013

2014

2015

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

0,60

0,50

0,40

małże_wpBG

stornia_wpBG

0,30

stornia_BG

0,20

0,10

2012

2013

2014

2015

0,00

2016



Zalew Wiślany

0,60

0,50

0,40

okoń

0,30

0,20

0,10

2011 2012 2013 2014 2015 2016

0,70



Zalew Szczeciński

0,60

Cd [mg kg -1m.m.]

2011

0,70

Cd [mg kg -1m.m.]

śledź

0,30

0,70

0,10

0,00

0,40

0,00

2016

Cd [mg kg -1m.m.]

Cd [mg kg -1m.m.]

2013

wody przybrzeżne

Basenu Bornholmskiego

0,60

0,00

0,50

0,10

0,10

0,00

wschodni Basen Gotlandzki

0,60

Cd [mg kg -1m.m.]

Cd [mg kg -1m.m.]

0,70

Basen Bornholmski

0,60

Poz. 230

0,50

0,40

okoń

0,30

0,20

0,10

2011

›•ǤͳǤͺǤͻǤ

2012

2013

2014

2015

2016

0,00



2011

2012

2013

2014

2015

2016



Stężenie kadmu [mg kgǦͳǤǤȐ™‘”‰ƒ‹œƒ Š™Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͸(źródło danych PMŚ)Ǥ



Stężenia ołowiu (”›•ǤͳǤͺǤͳͲ) w 2016 r. w wątrobach śledzia, storni i okonia, niezależnie od

gatunku oraz rejonu pochodzenia ryb, były na zbliżonym poziomie i wahały się w granicach 0,028Ǧ

ͲǡͲͶ͵‰‰Ǧͳm.m. Zbliżone poziomy stężeńołowiuw wątrobach ryb można obserwować w całym

‘”‡•‹‡ ʹͲͳͳ – ʹͲͳ͸Ǥ Jednak taki stan dotyczy ostatnich lat. Biorąc pod uwagę cały okres

pomiarów (Žƒ–ƒ ͳͻͻͺ – 2016) w przypadku śledzia z wschodniego Basenu Gotlandzkiego

•–™‹‡”†œ‘‘‹•–‘–›•–ƒ–›•–› œ‹‡–”‡†•’ƒ†‘™›ǤW omułkach odłowionych w wodach ’‘Ž•‹ Š

przybrzeżnych Basenu Bornholmskiego stężenie ołowiu w 2016 r. było niższe o 40% w

porównaniu ze stężeniem w małżach z Zatoki Gdańskiej.





ͳʹͶ

0,20

0,20

Basen Bornholmski

śledź

0,10

stornia

0,05

2011

2012 2013 2014 2015

0,20

2016

wody przybrzeżne

Basenu Bornholmskiego



Pb [mg kg -1m.m.]

Pb [mg kg -1m.m.]

0,05

2011

0,20

małże

0,05

2011

2012

2013

0,20

2014

2015

2012

2013

2014

2015

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański



Zalew Wiślany

małże_wpBG

0,10

stornia_wpBG

stornia_BG

0,05

0,00

2016

2011 2012 2013 2014 2015 2016

0,20



Zalew Szczeciński

0,15

0,10

Pb [mg kg -1m.m.]

0,15

Pb [mg kg -1m.m.]

śledź

0,15

0,10

okoń

0,05

0,00

0,10

0,00

0,15

0,00

wschodni Basen Gotlandzki

0,15

Pb [mg kg -1m.m.]

Pb [mg kg -1m.m.]

0,15

0,00

Poz. 230

2011

2012

2013

2014

2015

2016

0,10

okoń

0,05

0,00



2011

2012

2013

2014

2015

2016



›•ǤͳǤͺǤͳͲǤ Stężenie ołowiu ȏ‰‰ǦͳǤǤȐ™‘”‰ƒ‹œƒ Š™Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͸(źródło danych PMŚ)Ǥ



W przypadku rtęci (”›•ǤͳǤͺǤͳͳ) w tkance mięśniowej ryb, jej stężenie w śledziu w 2016 r.

było wyraźnie na niższym poziomie (0,022 Ǧ ͲǡͲ͵Ͷ ‰ ‰Ǧͳ m.m.) w porównaniu z tkankami

mięśniowymi okonia i storni, które charakteryzowały się stężeniami w zakresie od 0,040 do 0,069

‰‰ǦͳǤǤTkankę wszystkich gatunków ryb charakteryzuje wyższe stężenie rtęciniż tkankę

małży. Stężenie rtęci, tak jak w przypadku ołowiu i kadmu,w omułku odłowionym w ’‘Ž•‹ Š

wodach przybrzeżnych Ba•‡—‘”Š‘Ž•‹‡‰‘ȋͲǡͲͲͶ‰‰Ǧͳm.m.) jest niższe od stężenia rtęci

w omułku z Zatoki Gdańskiej (0,006 mg kgǦͳǤǤȌǤ





ͳʹͷ

0,10

0,10

Basen Bornholmski

śledź

stornia

0,04

0,02

2011

2012

0,10

2013

2014

2015



małże

0,02

2011

2012

2013

0,10

2014

2015

2011

2012



Zalew Wiślany

2013

2014

2015

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

0,06

małże_wpBG

stornia_wpBG

0,04

stornia_BG

0,02

0,00

2016

2011 2012 2013 2014 2015 2016

0,10



Zalew Szczeciński

0,08

Hg [mg kg -1m.m.]

Hg [mg kg -1m.m.]

0,02

0,10

0,08

0,06

okoń

0,04

0,02

0,00

śledź

0,04

0,08

0,06

0,04

0,06

0,00

2016

wody przybrzeżne

Basenu Bornholmskiego

0,08

Hg [mg kg -1m.m.]

Hg [mg kg -1m.m.]

0,06

0,00

wschodni Basen Gotlandzki

0,08

Hg [mg kg -1m.m.]

Hg [mg kg -1m.m.]

0,08

0,00

Poz. 230

2011

2012

2013

2014

2015

2016

0,06

okoń

0,04

0,02

0,00



2011

2012

2013

2014

2015

2016



›•ǤͳǤͺǤͳͳǤ Stężenie rtęci ȏ‰‰ǦͳǤǤȐ™‘”‰ƒ‹œƒ Š™Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͸(źródło danych PMŚ)Ǥ



Osady



Metale ciężkie wprowadzane do środowiska naturalnego w wyniku działalności człowieka

dostają się do mórz i oceanów, gdzie ulegają przemianom biochemicznym i ostatecznie podlegają

ƒ——Žƒ Œ‹™‘•ƒ†ƒ Š†‡› ŠǤ–ƒśrodowiska Bałtyku pod względem zanieczyszczenia osadów

dennych kadmem, ołowiem i rtęcią w warstwie powierzchniowej o grubości 2 cm różni się w

zależności od rejonu. Pomiary zawartości metali w osadach z trzech Basenów Bałtyku

™• Š‘†‹‡‰‘ ƒ•‡— ‘–Žƒ†œiego (Głębia Gotlandzka Ǧ P140), Basenu Gdańskiego (Głębia

Gdańska ǦP1) i Basenu Bornholmskiego (Głębia Bornholmska Ǧͷ‹͵ͻȌȋ”›•. 1.8.12) wykazały,

że najwięcej metali odkłada się w Głębi Gdańskiej (P1), co jest niewątpliwie wpływem ładunku

‘†’”‘™ƒ†œƒnego Wisłą. Stosunek zawartości kadmu, ołowiu i rtęci w warstwie powierzchniowej

‘•ƒ†— ’‘„”ƒ‡‰‘ ™ ʹͲͳʹ ”Ǥ z Głębi Gdańskiej do ich zawartości w Głębi Gotlandzkiej wynosi

odpowiednio 3,4, 1,2 i 2,2. W przypadku Głębi Bornholmskiej (P5) i Głębi GotlandzkiejȋͳͶͲȌǡ

stężenia ołowiu i rtęci w obu akwenach były na zbliżonym poziomie, z wyjątkiem roku 2007 gdy

stężenie rtęci w osadzie z Głębi Bornholmskiej było o ponad 50% wyższe od jej stężenia w osadzie

z Basenu Gotlandzkiego. W przypadku kadmu, osad z Głębi Bornholmskiej charakteryzował się



ͳʹ͸

dwukrotnie wyższym stężeniem w latach 2012 i 2016 oraz trzykrotnie wyższym w 2007 r. W

przypadku pomiarów zawartości metali w osadach wód przybrzeżnych: Zalew Szczeciński (GJ) i

Zalew Wiślany (KW) (”›•ǤͳǤͺǤͳʹ), wykazały one, że zdecydowanie więcej metali odkłada się w

Zalewie Szczecińskim, a niewątpliwie wpływ na to ma to, że akwen ten jest częścią

rozbudowanego systemu ujściowego Odry. Stosunek zawartości kadmu, ołowiu i rtęci w warstwie

’‘™‹‡”œ Š‹‘™‡Œ ‘•ƒ†— ’‘„”ƒ‡‰‘ ™ ʹͲͳͷ ”Ǥ z Zalewu Szczecińskiego do ich zawartości w

Zalewie Wiślanym wynosi odpowiednio 10,7, 5,6 i 5,6.



100,0

80,0

P5

P39

P140

P1

KW

Hg [mg kg -1s.m.]



GJ

2016



0,8

KW

2015

2016

2015

2013

2012

2007

0,0

1,0

P1

20,0

GJ

0,0

P140

40,0

2013

2,0

P39

2012

4,0

P5

60,0

2007

6,0

Pb [mg kg -1s.m.]

Cd [mg kg -1s.m.]

8,0



P5

0,6

P39

P140

0,4

P1

KW

0,2

2016

2015

2013

2012

2007

0,0

GJ



›•ǤͳǤͺǤͳʹǤ Stężenie kadmu, ołowiu i rtęciȏ‰‰Ǧͳ•ǤǤȐ™’‘™‹‡”œ Š‹‘™‡Œ™ƒ”•–™‹‡ȋͲǦʹcm) osadów

†‡› Š™Žƒ–ƒ ŠʹͲͲ͹–ʹͲͳ͸(źródło danych PMŚ)Ǥ



Trwałe zanieczyszczenia organiczne



W niniejszym opracowaniu omówiono najbardziej istotne z punktu widzenia o ‡›

substancje lub grupy substancji organicznych w organizmach ryb i małży. Należą do nich

„romowane difenyloetery PBDE (suma kongenerów 28, 47, 99, 100, 153, 154),

Š‡•ƒ„”‘‘ ›Ž‘†‘†‡ƒǦ ǡ ™ƒ• ’‡”ˆŽ—‘”‘‘–ƒ‘•—Žˆ‘‘™› ‹ Œ‡‰‘ ’‘ Š‘†‡ –  ǡ

związ‹ –”‹„—–›Ž‘ ›› ȋƒ–‹‘ –”‹„—–›Ž‘ ››Ȍǡ ’‘Ž‹ ŠŽ‘”‘™ƒ‡ „‹ˆ‡›Ž‡ ȋ•—ƒ ʹͺǡ ͷʹǡ ͳͲͳǡ ͳ͵ͺǡ

ͳͷ͵Ȍǡ ‘‰‡‡”  ͳͳͺǡ ‘”ƒœ „‡œ‘ȋƒȌ’‹”‡ ‹ ͳǦŠ›†”‘•›’‹”‡ – reprezentujące grupę

wielopierścieniowych węglowodorów aromatycznych i ich metabolitów –Ǥ



Polibromowane difenyloetery –PBDE



Bromowane difenyloetery monitorowane są od 2012 rǤw mięśniach trzech gatunków ryb

śledź (Clupea harengusȌǡ•–‘”‹ƒȋPlatichtys flesus) i okoń (Perca fluviatilis). Najwyższe stężenia

sumy kongenerów PBDE oznaczono w śledziu odłowionym w 2013 rǤǡ™ƒ•‡‹‡‘”Š‘Ž•‹

– 1,37 µg kgǦͳ ǤǤ ‹ ™‡ ™• Š‘†‹ ƒ•‡‹‡ ‘–Žƒ†œ‹ – 4,49 µg kgǦͳ Ǥ ȋ”›•Ǥ ͳǤͺǤͳ͵ȌǤ 

kolejnych latach obserwowano spadek stężeń PBDE w śledziu w obydwu akwenachǤʹͲͳ͸”Ǥ

stężenia te w omawianych obszarach osiągnęły wartości 0,23 µg kgǦͳ m.m. i 0,30 µg kgǦͳ ǤǤ



ͳʹ͹

StężeniaPBDE w storni pozostawały na niższych poziomach, w Basenie Bornholmskim pomiędzy

20 µg kgǦͳm.m a 49 µg kgǦͳǤǡƒ–‘‹ƒ•–™ʹͲͳ͸”Ǥspadły do wartości 0,02 µg kgǦͳǤǤ

’‘Ž•‹ Šwodach przybrzeżnych Basenu Gdańskiego i w Basenie Gdańskim były w zakres‹‡Ͳǡͳͷ–

0,22 µg kgǦͳm.m. W okoniu z Zalewu Szczecińskiego stężenia PBDE były na najniższych poziomach

od 0,01 µg kgǦͳm.m do 0,06 µg kgǦͳǤǤ



1,00

1,00

Basen Bornholmski

1,373

0,60

śledź

stornia

0,40

0,60

0,20

0,00

0,00

2011

2012

2013

2014

2015

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

0,80

2011

2012

2013

0,10

2014

2015

2016



Zalew Szczeciński

i Zalew Wiślany

0,06

stornia_wpBG

stornia_BG

0,40

okoń_ZSz

okoń_ZW

0,04

0,02

0,20

0,00

2011 2012 2013 2014 2015 2016

›•ǤͳǤͺǤͳ͵Ǥ



4,493

0,08

0,60

0,00

śledź

0,40

0,20

1,00

PBDE [µg kg -1m.m.]

PBDE [µg kg -1m.m.]

0,80

PBDE [µg kg -1m.m.]

PBDE [µg kg -1m.m.]

0,80

wschodni

Basen Gotlandzki



2011

2012

2013

2014

2015

2016

Stężenie PBDE ȏµg kgǦͳǤǤȐ™”›„ƒ Š™Žƒ–ƒ ŠʹͲͳʹǦʹͲͳ͸(źródło danych PMŚ)Ǥ



Kwas perfluorooktanosulfonowy – PFOS



™ƒ•’‡”ˆŽ—‘”‘‘–ƒ‘•—Žˆ‘‘™›‹Œ‡‰‘’‘ Š‘†‡– ‘‹–‘”‘™ƒ›Œ‡•–‘†ʹͲͳͶ”Ǥ™

mięśniach trzech gatunków ryb: śledź (Clupea harengusȌǡ•–‘”‹ƒȋPlatichtys flesusȌi okoń (Perca

fluviatilis). Najwyższe stężenia PFOS wystąpiły w okoniu ȋ”›•ǤͳǤͺǤͳͶ). W Zalewie Szczeciński

stężenia PFOS w latach 2014Ǧ2016 utrzymywały się na pozi‘‹‡ʹǦ3 µg kgǦͳǤǤǡƒ–‘‹ƒ•–™

Zalewie Wiślanym maksymalne stężenie wyniosło 4,6 µg kgǦͳm.m. w roku 2016. Widocznie niższe

stężenia PFOS na poziomie 1 µg kgǦͳm.m. i poniżej oznaczono w śledziu w Basenie Bornholmskim

‹ ™‡ ™• Š‘†‹ ƒ•‡‹‡ ‘–Žƒ†œim. Zbliżone wartości odnotowano również w storni w

’‘Ž•‹ Šwodach przybrzeżnych Basenu Gdańskiego i w Basenie Gdańskim, natomiast najniższe

stężenia PFOS pozostające w zakresie od 0,37 do 0,77 µg kgǦͳǤǤ‘†‘–‘™ƒ‘™•–‘”‹œƒ•‡—

‘”Š‘Ž•‹‡‰‘Ǥ





ͳʹͺ

5,0

5,0

Basen Bornholmski

śledź

stornia

2,0

1,0

4,0

PFOS [µg kg -1m.m.]

PFOS [µg kg -1m.m.]

3,0

5,0

2011

2012

2013

2014

2015

śledź

2,0

0,0

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

stornia_wpBG

stornia_BG

2,0

1,0

5,0

4,0

2011

2012

2013

2014

2015

2016



Zalew Szczeciński

i Zalew Wiślany

3,0

okoń_ZSz

okoń_ZW

2,0

1,0

2011 2012 2013 2014 2015 2016

›•ǤͳǤͺǤͳͶǤ Stężenie



3,0

1,0

3,0

0,0

wschodni

Basen Gotlandzki

4,0

PFOS [µg kg -1m.m.]

PFOS [µg kg -1m.m.]

4,0

0,0

Poz. 230

0,0



2011

2012 2013

2014 2015

2016

ȏµg kgǦͳǤǤȐ™”›„ƒ Š™Žƒ–ƒ ŠʹͲͳͶ–ʹͲͳ͸(źródło danych PMŚ)Ǥ



Heksachlorobenzen – HCB



‡•ƒ ŠŽ‘”‘„‡œ‡ monitorowany jest w mięśniach trzech gatunków ryb: śledź (Clupea

harengusȌǡ •–‘”‹ƒ ȋPlatichtys flesus) i okoń (Perca fluviatilis) oraz w małżach. Najwyższe jego

stężenia w omawianym okresie wystąpiły w tkankach śledzia odłowionego w Basenie

‘”Š‘Ž•‹‹™• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹ȋ”›•ǤͳǤͺǤͳͷ). Wyniosły one odpowiednio 5,16

µg kgǦͳ ǤǤ‹ ͸ǡͷͷ µg kgǦͳ m.m. Wartości odnotowane w 2013 rǤ były niższe i pozostawały na

’‘œ‹‘ƒ Šͳǡ͹ʹµg kgǦͳǤǤ‹ʹǡͷ͸µg kgǦͳǤǤµg kgǦͳm.m. W tym samym roku stężenie w storni

w Basenie Bornholmskim wyniosło 2,17, a ™’‘Ž•‹ Šwodach przybrzeżnych Basenu Gdańskiego

Ǧʹǡ͸ͻµg kgǦͳm.m. W pozostałych latach stężenie HCB w rybach pozostawały poniżej osiągając w

ʹͲͳ͸”Ǥwartości na poziomie 0ǡʹµg kgǦͳm.m. w śledziu i 0,4µg kgǦͳǤǤȋƒ•‡‘”Š‘Ž•‹Ȍ

‘”ƒœͲǡ͵µg kgǦͳm.m. (Basen Gdański) w storni. W przypadku okonia maksymalne stężenie HCB

ƒ’‘œ‹‘‹‡ͲǡͶµg kgǦͳǤǤ‘†‘–‘™ƒ‘™ʹͲͳ͸”Ǥw Zalewie Szczecińskim. Maksymalne stężenie

 ™ przypadku małży odnotowano w 2013 rǤ ™ ’‘Ž•‹ Š wodach przybrzeżnych Basenu

Gdańskiego (2,1µg kgǦͳǤǤȌǤpozostałych przypadkach stężenia pozostawały poniżej 1µg kgǦ

ͳǤǤ





ͳʹͻ

2,50

2,50

Basen Bornholmski

1,50

śledź

5,16

1,00

stornia

0,50

<0,04



wody przybrzeżne

Basenu Bornholmskiego

małże

0,50

<0,01



2,56

6,55

2013

2014

2015

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

małże_wpBG

1,50

stornia_wpBG

stornia_BG

1,00

Zalew Wiślany

<0,04

<0,01

<0,15

2011 2012 2013 2014 2015 2016

0,50



Zalew Szczeciński

0,40

HCB [µg kg -1m.m.]

HCB [µg kg -1m.m.]

2012

2,00

0,00

0,40

0,30

<0,20

0,20

okoń

0,10

0,00

2011

0,50

<0,15

2011 2012 2013 2014 2015 2016

0,50

0,50

2,50

HCB [µg kg -1m.m.]

HCB [µg kg -1m.m.]

1,50

śledź

1,00

3,00

2,00

1,00

1,50

0,00

2011 2012 2013 2014 2015 2016

2,50

0,00

wschodni

Basen Gotlandzki

2,00

HCB [µg kg -1m.m.]

HCB [µg kg -1m.m.]

2,00

0,00

Poz. 230

2011

2012

2013

<0,04

<0,04

2014

2015

0,30

okoń

0,20

0,10

<0,04

2016

0,00



2011

2012

2013

2014

2015

2016



›•ǤͳǤͺǤͳͷǤ Stężenie HCB [µg kgǦͳǤǤȐ™”›„ƒ Š™Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͸ǡ œ‡”™‘‡Ž‹ œ„›’‘’”œ‡†œ‘‡

znakiem „<” oznaczają granice oznaczalności, liczby czarne odpowiadają wartościom stężeń

wykraczających poza zakres osi(źródło danych PMŚ)Ǥ

Heksabromocyklododekan – HBCDD



‡•ƒ„”‘‘ ›Ž‘†‘†‡ƒ ‘‹–‘”‘™ƒ› Œ‡•– ‘† ʹͲͳʹ ”Ǥ w mięśniach trzech gatunków

ryb: śledź (Clupea harengusȌǡ•–‘”‹ƒȋPlatichtys flesus) i okoń (Perca fluviatilis) oraz w małżach.

Najwyższe jego stężenia charakteryzowały mięśnie śledziƒi pozostawały ™œƒ”‡•ƒ Š‘†Ͳǡ͹ͳµg

‰ǦͳǤǤ†‘ͳǡ͵͹µg kgǦͳǤǤ™ƒ•‡‹‡‘”Š‘Ž•‹‹‘†Ͳǡ͸ͷµg kgǦͳǤǤ†‘ͳǡ͸ͷµg kgǦͳǤǤ

™‡™• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹ȋ”›•ǤͳǤͺǤͳ͸Ȍ. W przypadku storni najwyższe stężenie –ͲǡͶʹ

µg kgǦͳ ǤǤǦ  ‘†‘–‘™ƒ‘ ™ ʹͲͳ͵ ”Ǥ w wodach przybrzeżnych Basenu Gdańs‹‡‰‘Ǥ

Stężenia HBCDD w okoniu pozostawały poniżej poziomu oznaczalności stosowanej metody, z

wyjątkiem roku 2016, kiedy osiągnęły wartości 0,015 µg kgǦͳǤǤw Zalewie Wiślanym i ͲǡͲ͵͹µg

‰Ǧͳ ǤǤ w Zalewie Szczecińskim. W przypadku małży stosunkowo wysokie wartości

‘†‘–‘™ƒ‘–›Ž‘™Žƒ–ƒ ŠʹͲͳʹ‹ʹͲͳ͵™™‘†ƒ Š’”œ›„”œ‡żnych Basenu Gdańskiego, natomiast

™ʹͲͳ͸”Ǥpozostawały one na niskim poziomie i wynosiły 0,013 µg kgǦͳǤǤ™’‘Ž•‹ Š™‘†ƒ Š

przybrzeżnych Basenu Bornholmskiego i 0,076 µg kgǦͳ ǤǤ w wodach przybrzeżnych Basenu

Gdańskiego.



ͳ͵Ͳ



HBCDD [µg kg -1m.m.]

1,5

śledź

1,0

stornia

0,5

<0,050

0,0

2011

2012

0,5

<0,170

<0,025

2013

2014

2015



małże

0,2

0,1

2012

2013

2014

2015

2016

0,5

0,3

<0,212

okoń

0,2

0,1

<0,060

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016



wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

1,5

małże_wpBG

1,0

stornia_wpBG

stornia_BG

0,5

<0,212

2011 2012 2013 2014 2015 2016



0,5

Zalew Szczeciński

HBCDD [µg kg -1m.m.]

0,4

2011

śledź

2,0



Zalew Wiślany

HBCDD [µg kg -1m.m.]

1,0

0,0

2011

0,5

0,0

1,5

0,0

2016

0,3

0,0

wschodni

Basen Gotlandzki

<0,212

wody przybrzeżne

Basenu Bornholmskiego

0,4

HBCDD [µg kg -1m.m.]

2,0

Basen Bornholmski

HBCDD [µg kg -1m.m.]

HBCDD [µg kg -1m.m.]

2,0

Poz. 230

0,4

0,3

<0,212

okoń

0,2

<0,119

0,1

0,0



2011

2012

2013

2014

2015

2016



›•ǤͳǤͺǤͳ͸Ǥ Stężenie  ȏµg kgǦͳ ǤǤȐ ™ ‘”‰ƒ‹œƒ Š ™ Žƒ–ƒ Š ʹͲͳʹ – ʹͲͳ͸ǡ œ‡”™‘‡ Ž‹ œ„›

poprzedzone znakiem „<” oznaczają granicę oznaczalności(źródło danych PMŚ)Ǥ



Benzo(a)piren



‡œ‘ȋƒȌ’‹”‡ ƒƒŽ‹œ‘™ƒ› Œ‡•– –›Ž‘ ™ tkance miękkiej małży i uznawany jest za

podstawowy wskaźnik poziomu wielopierścieniowych węglowodorów aromatycznych.

Najwyższe stężenie benzo(a)pirenu na poziomie 7,5 µg kgǦͳ ǤǤ ‘†‘–‘™ƒ‘ ™ ʹͲͳͶ ”Ǥ ™

małżach z obszaru wód przybrzeżnych Basenu Gdańskiego (”›•Ǥ ͳǤͺǤͳ͹). W pozostałych

przypadkach stężenia benzo(a)pirenu pozostawały poniżej jedności z wyjątkiem roku 2016, gdzie

jego stężenia były poniżej poziomu oznaczalności metody, który wzrósł do 3µg kgǦͳǤǤ



ͳ͵ͳ

5,00

wody przybrzeżne

Basenu Bornholmskiego

4,00

Benzo(a)piren [µg kg -1m.m.]

Benzo(a)piren [µg kg -1m.m.]

5,00

<3,00

3,00

małże

2,00

1,00

0,00



wody przybrzeżne

Basenu Gdańskiego

4,00

<3,00

3,00

7,47

małże

2,00

1,00

0,00

2011 2012 2013 2014 2015 2016

›•ǤͳǤͺǤͳ͹Ǥ

Poz. 230



2011 2012 2013 2014 2015 2016



Stężenie „‡œ‘ȋƒȌ’‹”‡—ȏµg kgǦͳǤǤȐ™małżach w latach 2012–ʹͲͳ͸ǡ

œ‡”™‘‡Ž‹ œ„›

poprzedzone znakiem „<” oznaczają granicę oznaczalności, liczby czarne odpowiadają

wartościom stężeń wykraczających poza zakres osi(źródło danych PMŚ)Ǥ

1 –hydroksypiren



ͳ – hydroksypiren jest metabolitem oznaczanym w żółci wielopierścieniowych

węglowodorów aromatycznych wytwarzanym przez organizm ryb. W przypadku śledzia z

obydwu obszarów: Basen—‘”Š‘Ž•‹‡‰‘‹™• Š‘†‹‡‰‘ƒ•‡— ‘–Žƒ†œ‹‡‰‘‘”ƒœ‘‘‹ƒœ

Zalewów Szczecińskiego i Wiślanego, stężenia 1Ǧhydroksypirenu pozostawały poniżej granicy

oznaczalności stosowanej metody w całym okresie badań (od 2012 rǤȌȋ”›•ǤͳǤͺǤͳͺȌǤ



15,0

15,0

Basen Bornholmski

1-OH piren [ng ml-1]

9,0

śledź

stornia

6,0

3,0

0,0

120,0

100,0

1-OH piren [ng ml-1]

12,0

<2,0

<2,0

<2,0

2,0

<2,0

2015

2016

2011

2012

2013

2014

3,0

wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

0,0



stornia_BG

40,0

20,0

2011 2012 2013 2014 2015 2016

15,0

12,0

stornia_wpBG

60,0

śledź

6,0

<2,0

80,0

0,0

9,0

1-OH piren [ng ml-1]

1-OH piren [ng ml -1]

12,0

wschodni

Basen Gotlandzki

<2,0

<2,0

<2,0

<2,0

2012

2013

2014

2015

2016



Zalew Szczeciński

i Zalew Wiślany

9,0

okoń_ZSz

okoń_ZW

6,0

3,0

0,0



2011

<2,0

<2,0

<2,0

<2,0

<2,0

<2,0

<2,0

2011 2012 2013 2014 2015 2016



›•ǤͳǤͺǤͳͺǤ Stężenie ͳǦŠ›†”‘•›’‹”‡— ȏ‰ ŽǦͳȐ ™ ”›„ƒ Š ™ Žƒ–ƒ Š ʹͲͳʹ – ʹͲͳ͸ǡ œ‡”™‘‡ Ž‹ œ„›

poprzedzone znakiem „<” oznaczają granicę oznaczalności(źródło danych PMŚ)Ǥ



W przypadku storni w Basenie Bornholmskim odnotowano wartości na poziomie 12Ǧͳ͵‰

ŽǦͳw latach 2012, 2015 i 2016, natomiast wysokie wartości charakteryzowały stornię odłowioną



ͳ͵ʹ

™ ”‡Œ‘‹‡ ƒ•‡— Gdańskiego i wód przybrzeżnych Basenu Gdańskiego, gdzie stężenie 1Ǧ

hydrokspirenu osiągnęło wartość 109 ng mlǦͳ™Žƒ–ƒ ŠʹͲͳͷ‹ʹͲͳ͸Ǥ

Kongenery polichlorowanych bifenyli - (suma 28, 52, 101, 138, 153, 180) – PCB



Suma stężeń sześciu kongenerów polichlorowan› Š„‹ˆ‡›Ž‹ȋʹͺǡͷʹǡͳͲͳǡͳ͵ͺǡͳͷ͵ǡͳͺͲȌ

określana jest na podstawie analiz stężeń poszczególnych kongenerów w tkance mięśniowej

trzech gatunków ryb. Najwyższe stężenia wystąpiły w 2013”Ǥosiągając wartości 11,5 µg kgǦͳǤǤ

w przypadku śledziƒ‘”ƒœͳͲǡ͵µg kgǦͳǤǤ™’”œ›’ƒ†—•–‘”‹œƒ•‡—‘”Š‘Ž•‹‡‰‘‘”ƒœ

ͳ͵ǡ͹µg kgǦͳm.m. w przypadku śledziƒœ‡™• Š‘†‹‡‰‘ƒ•‡— ‘–Žƒ†œ‹‡‰‘‹ͻǡͻµg kgǦͳǤǤ™

przypadku storni z wód przybrzeżnych Basenu Gdańskiego (”›•ǤͳǤͺǤͳͻȌǤʹͲͳ͸”Ǥstężenia sumy

sześciu kongenerów były na poziomach 1,6µg kgǦͳǤǤ‹ͳǡʹµg kgǦͳm.m. w przypadku śledzaǡͳǡͷ

µg kgǦͳ ǤǤ ‹ ͵ǡͲ µg kgǦͳ ǤǤ ™ ’”œ›’ƒ†— •–‘”‹ ‘”ƒœ ͳǡͶ µg kgǦͳ ǤǤ ‹ ʹǡͳ µg kgǦͳ ǤǤ ™

’”œ›’ƒ†—‘‘‹ƒodpowiednio z Zalewu Wiślanego i Zalewu Szczecińskiego.



15,0

15,0

Basen Bornholmski

9,0

śledź

stornia

6,0

9,0

3,0

0,0

2011 2012 2013 2014 2015 2016



15,0

12,0

śledź

6,0

3,0

0,0

PCB [µg kg -1m.m.]

PCB [µg kg -1m.m.]

12,0

wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

9,0

stornia_wpBG

stornia_BG

6,0

5,0

PCB [µg kg -1m.m.]

PCB [µg kg -1m.m.]

12,0

wschodni

Basen Gotlandzki

4,0

2012

2013

2014

2015

2016



Zalew Szczeciński

i Zalew Wiślany

3,0

okoń_ZSz

okoń_ZW

2,0

3,0

1,0

0,0

0,0

2011 2012 2013 2014 2015 2016

2011



<0,05

2011 2012 2013 2014 2015 2016



›•ǤͳǤͺǤͳͻǤ Stężenie sumy sześciu kongenerów PCB ȏµg kgǦͳ ǤǤȐ ™ ”›„ƒ Š ™ Žƒ–ƒ Š ʹͲͳͳ Ǧ ʹͲͳ͸ǡ

œ‡”™‘‡liczby poprzedzone znakiem „<” oznaczają granicę oznaczalności(źródło danych

PMŚ)Ǥ



Kongener CB118



Ze wspólnych analiz polichlorowanych bifenyli został wyłączony jeden z kongenerów

118 jako szczególnie szkodliwy. Podobnie jak w przypadku pozostałych kongenerów jego

największe stężenia zidentyfikowano w 2013r. Jego stężenia w śledziui storni pozostawały w

œƒ”‡•‹‡‘†ʹǡ͹µg kgǦͳǤǤ†‘͵ǡͷµg kgǦͳm.m. z wyjątkiem storni z obszaru wód przybrzeżnych

Basenu Gdańskiego, w przypadku których stężenie CB118 pozostawało poniżej granicy

oznaczalności stosowanej metody (0,02µg kgǦͳǤǤȌȋ”›•ǤͳǤͺǤʹͲȌǤʹͲͳ͸”Ǥstężenia CB118 we

wszystkich gatunkach były na zbliżonym poziomie i pozostawały w zakresie od 0,2 µg kgǦͳǤǤ

†‘ͲǡͶ͸µg kgǦͳǤǤ



ͳ͵͵



5,0

– 143 –

5,0

Basen Bornholmski

4,0

CB118 [µg kg -1m.m.]

CB118 [µg kg-1m.m.]

4,0

3,0

śledź

stornia

2,0

1,0

0,0

2011

2012

2013

2014

2015



0,6

stornia_wpBG

stornia_BG

0,4

0,2

0,0

śledź

2,0

1,0

1,0

CB118 [µg kg -1m.m.]

CB118 [µg kg-1m.m.]

wody przybrzeżne

Basenu Gdańskiego

i Basen Gdański

wschodni

Basen Gotlandzki

3,0

0,0

2016

1,0

0,8

Poz. 230

0,8

2011

2012

2013

2014

2015

2016



Zalew Szczeciński

i Zalew Wiślany

0,6

okoń_ZSz

okoń_ZW

0,4

<0,20

0,2

<0,03

2011 2012 2013 2014 2015 2016

0,0



2011 2012 2013 2014 2015 2016



›•ǤͳǤͺǤʹͲǤ Stężenie ͳͳͺȏµg kgǦͳǤǤȐ™”›„ƒ Š™Žƒ–ƒ ŠʹͲͳͳ–ʹͲͳ͸ǡ œ‡”™‘‡Ž‹ œ„›’‘’”œ‡†œ‘‡

znakiem „<” oznaczają granicę oznaczalności(źródło danych PMŚ)Ǥ



Test mikrojądrowy



Test mikrojądrowy jest to najczęściej stosowany test do oceny uszkodzeń cytogenetycznych

na poziomie komórkowym wywołanych oddziaływaniem substancji niebezpiecznych. Liczba

mikrojąder powstałych z chromosomów lub ich fragmentów w wyniku opóźnienia podziału

komórki jest miarą genotoksyczności określonychsubstancji obecnych w środowisku. Dlatego też

wskaźnik ten został wprowadzony w 2014 rǤdo programu monitoringu Bałtyku. 

Badaniom poddana jest krew ryb odławianych w lokalizacjach przypisanych do czterech

obszarów: wód przybrzeżnych Basenu Gdańskiego, Basenu Gdańskiego, wschodniego Basenu

Gotlandzkiego i Basenu Bornholmskiego. Analiza polega na zliczeniu nieprawidłowości

występujących w obrębie komórki według ustalonych kryteriów. Liczba zliczonych zmian

przeliczona na 1000 erytrocytów jest ocenianym parametrem stanowiącym miarę szkodliwości

oddziaływania substancji niebezpiecznych na badany organizm. Przykłady zdjęć

mikroskopowych obrazujących przykładowe struktury mikrojąder zaprezentowano na ”›•Ǥ

ͳǤͺǤʹͳǤ





ͳ͵Ͷ





›•ǤͳǤͺǤʹͳǤ Erytrocyty krwi śledzia bałtyckiego, odłowionego w obszarze Basenu Bornhol•‹‡‰‘ ™

Ž‹•–‘’ƒ†œ‹‡ ʹͲͳ͸ ”ǤǢ wadratem zostały zaznaczone komórki z nieprawidłowościami –

mikrojądra (MN) (źródło danych PMŚ)Ǥ



œ‡•–ƒ™‹‡‹ƒwyników dla trzech lat badań zczterech lokalizacji wynika, że najmniejsza

częstość występowania zmian w obrębie komórek krwi charakteryzowała ryby odławiane w

’‘Ž•‹ Š ™‘†ƒ Š przybrzeżnych Basenu Gdańskiego (”›•Ǥ ͳǤͺǤʹʹ). Wynosiła ona 0,23 i 0,35

odpowiednio w roku 2014 i 2015. Największa liczba mikrojąder charakteryzowała ryby z Basenu

†ańskiego i wynosiła 0,92 i 1,34 o†’‘™‹‡†‹‘™ʹͲͳͷ”Ǥ‹ʹͲͳ͸”Ǥ’”œ›’ƒ†—™• Š‘†‹‡‰‘

Basenu Gotlandzkiego odnotowano największą zmienność. W latach 2014 i 2016 liczba

mikrojąder nie przekroczyła 0,40, natomiast w 2015 ”Ǥ ‘†‘–‘™ƒ‘ ™œ”‘•– †‘ ͳǡͲǤ  ƒ•‡‹‡

Bornholmskich liczba zmian przypadająca na 1000 erytrocytów utrzymywała się na dość niskim

poziomie, jednak można stwierdzić niewielki wzrost od 0,16 w 2014 rǤ†‘Ͳǡ͸͵™ʹͲͳ͸”Ǥ







›•ǤͳǤͺǤʹʹǤ ‹ œ„ƒ‹”‘jąder (MN) przypadająca na 1000 komórek krwi śledzia z wybranych rejonach

południowego Bałtyku w latach 2014ǦʹͲͳ͸(źródło danych PMŚ)Ǥ





ͳ͵ͷ

Choroby ryb

Elementy ekosystemu



Problem występowania chorób dotyczy wielu gatunków ryb, również tych o istotnym

œƒ œ‡niu gospodarczym. Obecność zmian patologicznych odgrywa istotną rolę przy ocenie

walorów konsumpcyjnych ryb, czego konsekwencją może być obniżenie jakości produktów

rybołówstwa lub ich eliminacja z rynku. Choroby ryb stanowią nie tylko problem ekonomiczny,

ale są odzwierciedleniem ‹‡‘”œ›•–› Šzmian, zachodzących w środowisku Morza Bałtyckiego. 

Rejestracja zewnętrznych objawów chorób ryb jest od wielu lat wykorzystywana w

œ‹–‡‰”‘™ƒ› Š ’”‘‰”ƒƒ Š ‘‹–‘”‹‰— •–ƒ— œ†”‘™‹ƒ ‡‘•›•–‡—Ǥ ‹‡”™•œ‡ †‘‹‡•‹‡‹ƒ ‘

występowaniu zmian patologicznych u ryb bałtyckich pojawiały się już na początku ubiegłego

stulecia (Bergman 1912; Lundbeck 1928). W późniejszych latach rozszerzono ich zakres,

uwzględniając czasowe i przestrzenne trendy występowania chorób ryb (Dethlefsen i Watermann

1982; Lang i Dethlefsen 1994). Ze względu na wysokie koszty badań ukierunkowa› Š ƒ

zintegrowany monitoring środowiska morskiego, dotychczasowy udział MIRǦPIB ogranicza się do

analiz tylko niektórych kategorii zewnętrznych zmian patologicznych u ryb. Analizy te

wykonywane są dodatkowo, w trakcie rejsów poświęconych innej problemat› ‡„ƒ†ƒ™ œ‡ŒǤƒ

podstawie pozyskanych danych, sporządzane są raporty o występowaniu zewnętrznych objawów

chorobowych u ryb, które przedstawiane są na spotkaniu Grupy Roboczej ds. chorób ryb (ICES

‘”‹‰ ”‘—’‘ƒ–Š‘Ž‘‰›ƒ†‹•‡ƒ•‡•‘ˆƒ”‹‡”‰ƒ‹••ǡ ȌǤ

Obecność owrzodzeń u ryb jest jednym z dobrze rozpoznanych wskaźników

zanieczyszczenia środowiska morskiego (Noga 2000), a monitoring występowania tego typu

œ‹ƒ’ƒ–‘Ž‘‰‹ œ› ŠŒ‡•–”‡‘‡†‘™ƒ›’”œ‡œ ȋ— ‡‹‹Ǥͳͻͻ͸ȌǤŠ‘”‘„ƒ–ƒ™›•–ępuje

u wielu gatunków ryb i należy do najczęściej obserwowanych u storni i dorszy bałtyckich.

Owrzodzenia klasyfikowane są zgodnie z następująca skalą: 

ͳȌ ‘bumieranie naskórka, rozpulchnienie naskórka, nastroszenie i utrata łusek,

œƒ œ‡”™‹‡‹‡‹‡„‡œ”ƒǢ

ʹȌ —bytki w obrębie skóry właściwejǢ

͵Ȍ ‘gniska martwicze i ubytki drążące w głąb mięśniǢ

ͶȌ ‘wrzodzenia zabliźniające sięǢ

ͷȌ „Ž‹œƒǤ

Na liście chorób rekomendowanych przez ICES do monitoringu zmian patologicznych u ryb

ȋ‹†‡”ƒ‹‹ǤͳͻͺͲǢ— ‡‹‹. ͳͻͻ͸ȌœƒŒ†uje się też limfocystoza oraz deformacje szkieletu.

Do najczęściej spotykanych rodzajów deformacji należą:

ͳȌ karłowatośćǢ

ʹȌ deformacje kręgosłupa:

ƒȌŽ‘”†‘œƒǦłukowate wygięcie kręgosłupa w stronę brzuszna, 

„Ȍ‹ˆ‘œƒǦłukowate wygięcie kręgosłupa w stronę grzbietową,

Ȍskrócenie trzonów kręgówǢ

͵Ȍ mopsowatość –skrócenie szczęki górnej lub żuchwy. 



Obecność deformacji szkieletu u ryb jest uznawana przez wielu autorów za dobry

bioindykator obecności zanieczyszczeń, zalecany przez ICES do wykorzystania w badaniach

‘‹–‘”‹‰‘™› Šȋ‡‰–••‘ͳͻ͹ͻǢ— ‡‹‹Ǥͳͻͻ͸ǢŽ—’’‹‹ǤʹͲͲʹȌǤ

Materiał do badańpozyskiwano podczas rejsów badawczych (w miesiącach: luty, wrzesień,

październik i listopad) na statku r.v. „Baltica". Poboru prób dokonywano w ȋ’‘†‘„•œƒ”› 

ʹͷǦʹ͸ȌǤ

Žƒ–ƒ ŠʹͲͳͳǦ2016 badaniami zmian patologicznych objęto łącznie ponad 300 ty•Ǥ”›„Ǧ

dorszy, śledzi, szprotów i płastug. Obserwacje zmian chorobowych prowadzono w trakcie

standardowych pomiarów długości ryb. Odnotowywano zmiany występujące na powierzchni

skóry i tuż pod nią oraz makroskopowe zmiany w budowie morfologicznej i anato‹ œ‡Œ”›„ǡ™

tym zniekształcenia kręgosłupa, głowy i płetw. 



ͳ͵͸

Ryby zakwalifikowane jako chore, po określeniu rodzaju choroby i lokalizacji zmian według

•–ƒ†ƒ”†‘™‡‰‘ ‘†— ȋ–ƒ„‡Žƒ ͳǤͺǤͳǡ ”›•Ǥ ͳǤͺǤʹ͵Ȍ, były poddawane analizom biologicznym.

Rozpoznawanie symptomów zmian chorobowych u ryb, ich klasyfikację i rejestrację w

‘’—–‡”‘™‡Œ„ƒœ‹‡†ƒ› Š’”‘™ƒ†œ‘‘œ‰‘†‹‡œœƒŽ‡ ‡‹ƒ‹ ȋ‡–ŠŽ‡ˆ•‡‹‹Ǥͳͻͺ͸Ǣ 

ͳͻͺͻȌǤ



›•ǤͳǤͺǤʹ͵Ǥ Schemat budowy morfologicznej ryb (płastugi, szprot/śledź, dorsz).

Poszczególne partie ciała ryb oznakowano symbolami stosowanymi w międzynarodowym

monitoringu zewnętrznych zmian chorobowych. 1 –głowa, 2 Ǧtułów (część grzbietowa), 3 –tułów

(część brzuszna), 4 Ǧ tułów (część tylna grzbietowa/przedogonowa), 5 Ǧ tułów (część tylna

„”œ—•œƒȀ‘‰‘‘™ƒȌǡ͸Ǧpłetwa ’‹‡”•‹‘™ƒȋȌǡ͹Ǧpłetwa brzuszna (V), 8 –płetwa odbytowa (A)

ȋͳǡʹ—†‘”•œƒȌǡͻ–płetwa grzbietowa (D) (1, 2, 3 u dorsza), 10 –płetwa ogonowa (C). 





ƒ„‡ŽƒͳǤͺǤͳǤ  Ǧ‘œƒ œ‡‹ƒ‹‘†›Ǥ

Oznaczenie części ciała

Głowa

Korpus ciała

Korpus ciała

Korpus ciała

Korpus ciała

Płetwy piersiowe

Płetwy brzuszne

Płetwa odbytowa

Płetwa grzbietowa

Płetwa ogonowa

Płetwa tłuszczowa

–”‘ƒŽ‡™ƒ

–”‘ƒ’”ƒ™ƒ

Góra 

Spód



Kod cz. ciała

ͳ

ʹ

͵

Ͷ

ͷ

͸

͹

ͺ

ͻ

ͳͲ

ͳͳȗ

ͳʹ

ͳ͵

ͳͶ

ͳͷ

ͳ͵͹

*Nie dotyczy płastug, śledzia, szprota i dorsza.

Gatunek ryby

‘”•œ

–‘”‹ƒ



Nazwa choroby

Limfocystoza

Owrzodzenia

ͳȀobumieranie naskórka

2/ ubytki skóry

͵Ȁ‘‰‹•ƒƒ”–™‹ œ‡

ͶȀ‘™”œ‘†œ‡‹ƒ

ͷȀ„Ž‹œƒ

Deformacje szkieletu

1/ karłowatość

2/ anomalie kręgosłupa

3/ mopsowatość 



Kod gatunku





Kod choroby

10

21-25

ʹͳ

ʹʹ

ʹ͵

ʹͶ

ʹͷ

51-53

ͷͳ

ͷʹ

ͷ͵

Obszary oceny



Zgodnie z systemem przyjętym przez Międzynarodową Radę Badań Morza (ICES), obszar

Morza Bałtyckiego został podzielony na 12 podobszarów (ICES Subdivisions). Poszczególne części

Bałtyku oznaczone zostały następującymi numerami: SD 21 – ƒ––‡‰ƒ–ǡ  ʹʹ ‹ ʹ͵ – Cieśniny

Duńskie, SD 24Ǧʹͻ–Bałtyk Właściwy, SD 30 i 31 –ƒ–‘ƒ‘–‹ ƒ‘”ƒœ͵ʹ–Zatoka Fińska.

POM obejmują część podobszarów 24, 25 i 26. 

Materiał do badań pozyskiwano podczas rejsów badawczych (w miesiącach: luty, wrzesień,

paźdœ‹‡”‹‹Ž‹•–‘’ƒ†Ȍƒ•–ƒ–—”Ȁ˜„Baltica". Poboru prób dokonywano w ȋ’‘†‘„•œƒ”› 

ʹͷǦʹ͸ȌǤ



Opisowa ocena



 Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸ — badanych ryb zarejestrowano głównie następujące objawy

chorobowe: owrzodzenia, limfocystozę i deformacje szkieletu. Ekstensywność zachorowań była

wyższa u ryb dennych (dorsz, stornia), niż u ryb pelagicznych (szprot i śledź) (–ƒ„‡ŽƒͳǤͺǤʹȌǤ

Jednostką chorobową najczęściej notowaną u dorszy były owrzodzenia Ǧ ekstensywność

występowania tego schorzenia była wyższa w podobszarze 26 niż 25 (–ƒ„‡ŽƒͳǤͺǤʹ). Najwyższy

‘†•‡–‡ ȋͻΨȌ †‘”•œ› œ ‘™”œ‘†œ‡‹ƒ‹ ™›ƒœƒ‘ ™ ”‘— ʹͲͳ͵ ™ ’‘†‘„•œƒ”œ‡  ʹ͸Ǥ 

kolejnych latach odsetek ten systematycznie malał, przybierając najniższe wartości w roku 2016

ȋ”›•ǤͳǤͺǤʹͶȌǤ

Odsetek storni z owrzodzeniami również wykazywał trend malejących w latach 2011 Ǧ

ʹͲͳ͸Ǥ ƒjwyższą ekstensywność stwierdzono w roku 2011 u ryb poławianych w podobszarze

ʹ͸ȋʹǡ1%). W roku 2016 ekstensywność występowania owrzodzeń nie przekraczała 1% w

obu badanach podobszarach ICES. Dominującą jednostką chorobową u storni była limfocystoza.

W roku 2014 wykazano najwyższą ekstensywność zachorowań storni (3ǡͻΨȌ™’‘†‘„•œƒ”œ‡ʹ͸Ǥ

Ekstensywność przyjmowała wysokie wartości również w latach 2015 i 2016 (3ǡ͹‹͵ǡ͵ΨȌȋ”›•Ǥ

ͳǤͺǤʹͶȌǤ

Przypadki występowania limfocystozy wykazano również u śledzi Ǧ najwyższą

‡•–‡•›™ność stwierdzono w roku 2014 (0,͵ΨǤȌǤ  ”‘— ʹͲͳ͸ ‘†•‡–‡ †‘”•œ› œ ‘„Œƒ™ƒ‹

limfocystozy nie przekraczał 0ǡ1%. Obecność deformacji szkieŽ‡–— •–‘•—‘™‘ ”œƒ†‘

•–™‹‡”†œƒ‘—•–‘”‹Ǧ™Žƒ–ƒ ŠʹͲͳʹǦ2014 cechy tego schorzenia wykazywał‹‡™‹‡Ž‹‘†•‡–‡

osobników (0,03 –Ͳǡ06%). Odsetek dorszy z deformacjami szkieletu był dziesięciokrotnie wyższy



ͳ͵ͺ

niż u storni Ǧnajwyższą ekstensywność st™‹‡”†œ‘‘™Žƒ–ƒ ŠʹͲͳͷ‹ʹͲͳ͸ȋͲǡ͸ʹ‹ͲǡͶ͹ΨȌȋ”›•Ǥ

ͳǤͺǤʹͶȌǤ

Jednym z czynników etiologicznych, prowadzących do powstania owrzodzeń u ryb są

infekcje wywołane przez bakterie, najczęściej z rodzaju Vibrio i Aeromonas (Larsen i in. 1978).

Badania mikrobiologiczne przeprowadzone w latach 2007 i 2008 na próbkach owrzodzonych

tkanek dorszy wykazały obecność bakterii reprezentujących rodziny Pseudomonadaceae,

‡”‘onadaceae, Shewanellaceae i Vibrionaceae. Z kilku próbek wyizolowano Chryseobacterium

meningosepticum i Acinetobacter spp., które mogą być patogenne dla ludzi (Grawiński i in. 2009).

Szereg innych czynników może również sprzyjać rozwojowi tego schorzenia u ”›„Ǥ ‹‡Ž‡

doniesień naukowych wskazuje, że ekspozycja na toksyczne substancje (pestycydy,

wielopierścieniowe węglowodory aromatyczne Ǧ •ǡ’‘Ž‹ ŠŽ‘”‘™ƒ‡„‹ˆ‡›Ž‡Ǧ•‹‡–ƒŽ‡

ciężkie) może prowadzić do uszkodzenia skóry, zwiększając jej podatność nƒ‹ˆ‡ Œ‡„ƒ–‡”›Œ‡ǡ

wirusowe i grzybicze (Sindermann 1977; Larsen i in. 1978; Austin 2007). Wtórne infekcje mogą

rozwinąć się także w mechanicznych uszkodzeniach skóry, wywołanych np. przez narzędzia

połowowe (Mellergaard i Bagge 1998). Powstawaniu owrzodzeń u ryb mogą sprzyjać także

niekorzystne warunki środowiska (pH, promieniowanie ultrafioletowe, zmiany zasolenia i

temperatury wody). Oprócz bezpośredniego działania toksycznego na skórę, substancje

chemiczne mogą zaburzać równowagę hormonalną, prowadząc do nadmiernego uwalnianie

glikokorykosterydów, znanych jako „hormony stresu”. Hormony sterydowe regulują wiele

procesów fizjologicznych, m. in. odpowiedź immunologiczną, której zaburzenie może sprzyjać

zwiększonej podatności ryb na infekcje (Barton i IwƒƒͳͻͻͳǢ‘‰ƒʹͲͲͲȌǤ

Deformacje szkieletu mogą mieć podłoże genetyczne lub powstać we wczesnych stadiach

życia ryb jako skutek niedoboru witamin i minerałów, bądź też działania niekorzystnych

warunków środowiska (np. temperatury) oraz ekspozycji na zanie œ›•œ œ‡‹ƒ Š‡‹ œ‡

(niektóre metale ciężkie, głównie kadm) obecne w wodzie morskiej. Lang i Dethlefsen (1987)

wykazali wyższą zawartość kadmu u dorszy bałtyckich z deformacjami szkieletu, w porównaniu

z osobnikami rozwiniętymi prawidłowo. 

‹ˆ‘ ›•–‘œƒ jest chorobą o podłożu wirusowym, wywołaną przez iridovirus (Wolf i in.

1966). Limfocystoza w początkowym stadium infekcji objawia się powstawaniem pojedynczych

drobnych guzków (białych lub różowawych) na powierzchni skóry i płetw ryb (głównie płastug).

 zaawansowanych stadiach choroby, guzki często występują w zgrupowaniach i mogą

obejmować znaczną powierzchnię ciała ryb.



‘†•—‘™ƒ‹‡‹™‹‘•‹



ͳǤ Ekstensywność występowania chorób była wyższa u ryb poławianych w podobszarze

ICES 26 niż w 25.

ʹǤ Najczęściej notowanymi zewnętrznymi zmianami chorobowymi u ryb były owrzodzenia,

których najwyższą ekstensywność stwierdzono u dorszy. 

͵Ǥ Ekstensywność występowania owrzodzeń u dorszy wykazywała trend malejący w latach

ʹͲͳ͵–ʹͲͳ͸ǡƒ—•–‘”‹™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ



Najczęściej obserwowaną u storni i śledzi jednostką chorobową była limfocystoza.

Ekstensywność występowania limfocystozy wykazywała malejący trend w latach 2014 ǦʹͲͳ͸—

obu badanych gatunków ryb choć w przypadku storni i całego okresu oceny (Žƒ–ƒ ʹͲͳͳǦʹͲͳ͸Ȍ

‘„•‡”™‘™ƒ‘–”‡†™œ”‘•–‘™›Ǥ





ͳ͵ͻ

ICES 25

dorsz - owrzodzenia

10.0

Poz. 230

ICES 26

2.5

ICES 25

stornia - owrzodzenia

ICES 26

8.0

Ekstensywność (%)

Ekstensywność (%)

9.0

7.0

6.0

5.0

4.0

3.0

2.0

2.0

1.5

1.0

0.5

1.0

0.0

2011

2012

2013

2014

2015

dorsz - deformacje szkieletu

0.70

0.0

2016

ICES 25

ICES 26

0.07

Ekstensywność (%)

0.40

0.30

0.20

0.10

0.00

2011

Ekstensywność (%)

0.30

2012

2013

2014

2015

2013

2014

2015

stornia - deformacje szkieletu

2016

ICES 25

ICES 26

0.05

0.04

0.03

0.02

0.01

0.00

2016

ICES 25

śledź - limfocystoza

ICES 26

4.5

2011

2012

2013

2014

2015

2016

ICES 25

stornia - limfocystoza

ICES 26

4.0

0.25

0.20

0.15

0.10

0.05

0.00



2012

0.06

0.50

Ekstensywność (%)

Ekstensywność (%)

0.60

2011

3.5

3.0

2.5

2.0

1.5

1.0

0.5

2011

2012

2013

2014

2015

2016

0.0

2011

2012

2013

2014

2015

2016

›•ǤͳǤͺǤʹͶǤ Ekstensywność występowania chorób ryb w  Bałtyku ™Žƒ–ƒ Š ʹͲͳͳǦ2016, według

podobszarów ICES.(źródło danych PMŚ)Ǥ





ͳͶͲ



ƒ„‡ŽƒͳǤͺǤʹǤ Ekstensywność występowania chorób ryb w  Bałtyku w latach 2011ǦʹͲͳ͸ (źródło

danych PMŚ)Ǥ

Gatunek

dorsz

dorsz suma

śledź

śledź suma

stornia

stornia suma

szprot

Rok

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

szprot suma

Razem





Liczba

ryb

ͳͶͺ͵ͳ

ͺͳ͵ͻ

ͳ͵ͻͻͺ

ͳͺ͵ͻ͵

ͳ͹͹Ͷͺ

ʹͲͺͲͷ

93914

ͳͺͶͻ͸

ͳ͸ͷ͹ͳ

ͳͷͶ͹ͻ

ͳͶ͹ͳͳ

ͳ͸͵ͺͶ

ʹͲʹͷͲ

101891

ʹʹͺͷ

ʹͶͲͻ

ͷ͸ʹͲ

Ͷ͹͸Ͳ

͸ͻͻ͸

ͻͳͶ͹

31217

ͳͶ͹ͷ͵

ͳͲ͹ͲͶ

ͳͲ͵͸ͺ

ͳͳͺͲͲ

ͳ͵͹͸ͷ

ͳͷͻʹͻ

77319

304341

Ekstensywność (%)

Owrzodzenia Limfocystoza

Ͷǡ͵͸

ͷǡ͵͵

͸ǡͺ͹

͵ǡ͸͵

ʹǡͷͳ

ͳǡ͸͹

2,52

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲ͵

ͲǡͲͳ

ͲǡͲͳ

ͲǡͲͲ

0,01

ͳǡͶͻ

ͳǡ͸͸

ͳǡͶͻ

ͳǡͳ͵

Ͳǡͺͻ

Ͳǡͻ͵

0,78

ͲǡͲͳ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

0,00





ͳͶͳ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͳͲ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

0,01

Ͳǡͳ͵

ͲǡͲ͵

Ͳǡͳ͵

Ͳǡʹͺ

Ͳǡͳͺ

ͲǡͲ͹

0,17

ͳǡ͹ͳ

ʹǡͶͷ

ͳǡͻʹ

͵ǡʹͶ

͵ǡͷʹ

͵ǡͳͲ

1,79

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͳ

0,00

Deformacje

szkieletu

Ͳǡʹͷ

Ͳǡ͵͵

ͲǡͳͲ

ͲǡʹͲ

ͲǡͶ͹

Ͳǡ͵͵

0,40

ͲǡͲͲ

ͲǡͲͲ

ͲǡͲͳ

ͲǡͲͲ

ͲǡͲͳ

ͲǡͲͲ

0,00

ͲǡͲͲ

ͲǡͲͶ

ͲǡͲʹ

ͲǡͲʹ

ͲǡͲͲ

ͲǡͲͲ

0,02

ͲǡͲ͵

ͲǡͲʹ

ͲǡͲͳ

ͲǡͲͳ

ͲǡͲͳ

ͲǡͲͳ

0,02

2. Ocena stanu polskich wód Morza Bałtyckiego



2.1. Cechy stanu



Opracowana metoda oceny cech stanu dla POM jest w wielu aspektach zbieżna z metodą

zaproponowaną w ramach II oceny holistycznej HELCOM oraz nawiązuje również do wskazówek

–‡ Š‹ œ› Š’‘†ƒ› Š™ƒ–—ƒŽ‡Œǡ”‘„‘ œ‡Œ™‡”•Œ‹’”œ‡™‘†‹ƒ†‘ƒ”–ǤͺȋƒŽ•Ž‡›‹‹Ǥ

ʹͲͳ͹ȌǤ

Główną różnicą w metodzie oceny cech stanu w stosunku do poprzedniej wstępnej oceny

stanu środowiska wód morskich polskiej strefy Morza Bałtyckiego (GIOŚ ʹͲͳͶȌ Œ‡•– ‘„‡ ‹‡

zaproponowana „zintegrowana ocena bioróżnorodności” odnosząca się jednocześnie do cech ͳǡ

Ͷ ‹ 6, co z jednej strony rzutuje na brak możliwości jednoznacznego porównania wyników

niniejszej oceny z poprzednią, z drugiej strony zachowana jest zgodność metodologii oceny w

regionie Morza Bałtyckiego we współpracy Polski (Głównego Inspektora Ochrony Środowiska) z

Komisją Helsińską (HELCOM). Możliwe jest jednak podsumowanie wszelkich zmian zachodzących

w środowisku w porównaniu z wstępną oceną stanu środowiska wód morskich z 2012 r. na

poziomie niektórych wskaźników (GIOŚ ʹͲͳ4) oraz nawiązanie do II oceny holistycznej (HELCOM

ʹͲͳ͹ƒȌǤ Do oceny wykorzystano dane pochodzące z realizacji Programu Państwowego

Monitoringu Środowiska w okresie od ͳ•–› œ‹ƒʹͲͳͳ”Ǥ†‘͵ͳ‰”—†‹ƒʹͲͳ͸”Ǥ



Elementy ekosystemu

W załączniku do †‡ ›œŒ‹ʹ017/848 w części II dotyczącej oceny zasadniczych elementów i

właściwości oraz obecnego stanu środowiska wód morskich na podstawie art. 8 ust. 1 lit. ƒ

wymieniono elementy ekosystemu, które są oceniane w ramach poszczególnych cech

(wskaźników opisowych/wskaźników jakości). W związku z tym w niniejszej aktualizacji

wstępnej oceny •–ƒ— środowiska wód morskich ocenie zostało poddanych 5 elementów

‡‘•›•–‡—ǣ

ͳȌ grupy gatunków ptakówǢ

ʹȌ grupy gatunków ssaków morskichǢ

͵Ȍ grupy gatunków rybǢ

ͶȌ •‹‡†Ž‹•ƒ„‡–‘•‘™‡Ǣ

5) •‹‡†Ž‹•ƒ’‡Žƒ‰‹ œ‡oraz ekosystemy, w tym łańcuchy pokarmowe.



Wynikiem końcowym oceny „bioróżnorodności” w przeciwieństwie do poprzedniej

wstępnej oceny stanu środowiska wód morskich ȋGIOŚ ʹͲͳͶȌ ‹‡ Œ‡•– ’”œ‡†•–ƒ™‹‡‹‡ Œ‡Œ ™

podziale na poszczególne cechy opisujące stan środowiska w POM, lecz wskazanie oddzielnych

‘ ‡dla każdego elementu ekosystemu, bez konieczności dalszej integracji między tymi ocenami

‹wyznaczenia jednej wartości oceny „bioróżnorodności” na najwyższym poziomie.

”œ‡’”‘™ƒ†œ‡‹‡‘cen dla 5 elementów ekosystemu spełnia jednocześnie wymóg zastosowania

cech do określenia dobrego stanu środowiska, wymienionych w załączniku I †‘ǣ

ͳȌ ͳ–różnorodność biologicznaǢ

ʹȌ Ͷ–łańcuchy pokarmoweǢ

͵Ȍ ͸–integralność dna morskiego.

Obszary oceny

‰‘†‹‡ œ  ‘”ƒœ †ecyzją 2017/848 na państwa członkowskie  został nałożony

obowiązek sporządzenia wstępnej oceny stanu środowiska wód morskich w określonej skali

geograficznej, aby zagwarantować spójnośći umożliwić porównanie ocen. W ramach współprac›

regionalnej w Morzu Bałtyckim zostały wydzielone obszary oceny (ang. assessment units) według

opracowanego przez HELOM (HELCOM 2013a, aktualizacja Załącznika 4 Ǧ 2017) podziału

Š‹‡”ƒ” Š‹ œ‡‰‘™ͶǦ•–‘’‹‘™‡Œ•ƒŽ‹ǣ

ͳȌ brak podziału: oceniany jest cały obszar Morza BałtyckiegoǢ



ͳͶʹ

ʹȌ podział na 17 podakwenów w obrębie Morza BałtyckiegoǢ

͵Ȍ podział na 17 podakwenów otwartego morza oraz na 40 obszarów obejmujących wody

przybrzeżneǢ

ͶȌ podział na 17 podakwenów otwartego morza oraz na jednolite części wód przejściowych

‹’”œybrzeżnych ( ™edłu‰ǡ‘ǤʹͲͲͲȌǤ

W ramach „zintegrowanej oceny bioróżnorodności” poszczególne elementy ekosystemu

(ptaki, ssaki morskie, ryby, siedliska bentosowe i pelagiczne) są oceniane w różnych skalach

podziału Morza Bałtyckiego na podakweny wyznaczone przez HELCOM (2013a, aktualizacŒƒ

œałącznika 4 Ǧ 2017). Wybór odpowiednich obszarów oceny wynika z potrzeby możliwie

najlepszego scharakteryzowania stanu gatunków, grup gatunków siedlisk bądź ekosystemów

™odniesieniu do jak najmniejszej możliwej jednostki terytorialnej. Każdy wynik zin–‡‰”‘™ƒ‡Œ

oceny dla pojedynczego elementu ekosystemu uzyskano oddzielnie z uwzględnieniem podziału

na ocenę w wodach otwartych według HELCOM (2013a, aktualizacja œałącznika 4 Ǧ ʹͲͳ͹Ȍ

‹™wodach przybrzeżnych i przejściowych, w tej kategorii – z uwzględnieniem podziału na

jednolite części wód stosowanym w . W związku z–› ‹‡ †‘ Š‘†œ‹ †‘ ƒ‰”‡‰ƒ Œ‹

przestrzennej wyników oceny.

W przypadku ssaków morskich ocena stanu populacji fok odnosi się do poziomu 1., tj. do

całego obszaru Morza Bałtyckiego, w częściobejmującej POM. Ocena stanu ptaków określana jest

na poziomie 2, natomiast gatunki ryb wód przejściowych, siedliska pelagiczne i bentosowe w POM

oceniane są na poziomie 4. podziału Morza Bałtyckiego, dla 22 obszarów oceny, tj. dla 19

jednolitych części wód zgodnie z RDW oraz dla 3 głębokowodnych basenów otwartego morza,

które są wspólnymi jednostkami podziału z sąsiadującymi państwami członkowskimi. 

Wydzielone obszary oceny w POM są zbieżne z zastosowanymi w II holistycznej ocenie

stanu środowiska Morza Bałtyckiego HOLAS II (HELCOM 2017a). Podział polskiej strefy Bałtyku

na obszary oceny zastosowany w niniejszej „zintegrowanej ocenie bioróżnorodności” został

’”œ‡†•–ƒ™‹‘›ƒ”›•ǤʹǤͳǤͳ‘”ƒœ™–ƒ„‡Ž‹ʹǤͳǤͳǤ





ͳͶ͵

›•ǤʹǤͳǤͳǤ



Poz. 230



Podział  na obszary oceny zastosowane w ocenie stanu ssaków morskich, siedlisk

bentosowych i pelagicznych w polskiej strefie Bałtyku (lp. 5Ǧʹ͵ – ‘„•œƒ”› ‘ ‡› 

™›‹‡‹‘‡™–ƒ„‡Ž‹ʹǤͳǤͳǤȌǤ

ƒ„‡ŽƒʹǤͳǤͳǤ Obszary oceny zastosowane w ocenie stanu ssaków morskich, siedlisk bentosowych

‹pelagicznych w polskiej strefie Bałtyku (lp. 5Ǧʹ͵–‘„•œƒ”›‘ ‡› ‘œƒ œ‘‡ƒ”›•Ǥ

ʹǤͳǤͳǤȌǤ

’Ǥ

ƒœ™ƒ‘„•œƒ”—‘ ‡›™

(podakwen M. Bałtyckiego) 

‘†‘„•œƒ”—

‘ ‡›

ʹǤ

͵Ǥ

ͶǤ

ͷǤ

Basen Gdański

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ƒ•‡‘”Š‘Ž•‹

Zalew Kamieński

Ǧ

Ǧ

Ǧ

 ͻ

͹Ǥ

Zalew Wiślany

 ͳ

ͳǤ

Morze Bałtyckie

͸Ǥ

Zalew Szczeciński

ͺǤ

ƒŽ‡™— ‹

ͻǤ

Zatoka Pucka Zewnętrzna

ͳͲǤ

Zatoka Gdańska Wewnętrzna



Ǧ

 ͺ

 ʹ

 ͵

 Ͷ

Typ wód

ȋ Ȍ

ał‡

œwyłączeniem

zalewów

™‘†›‘–™ƒ”–‡

™‘†›‘–™ƒ”–‡

™‘†›‘–™ƒ”–‡

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

ͳͶͶ

‘™‹‡”œ Š‹ƒ

ȏʹȐ



ʹͳͲʹǡͻ͹

ͳͲͺͺͳǡ͹Ͷ

ͳ͹͹͸͸ǡͲ͹

Ͷ͵ǡ͸Ͳ

ͶͲ͹ǡʹͺ

͵Ͳͳǡ͹Ͷ

ͳͳͳǡͲ͵

ʹͺͷǡͷ͹

͹ͲͻǡͶ͵

 ‡‹ƒ›

‡Ž‡‡–

‡‘•›•–‡—

••ƒ‹

‘”•‹‡

•‹‡†Ž‹•ƒ

„‡–‘•‘™‡‹

’‡Žƒ‰‹ œ‡

’Ǥ

ƒœ™ƒ‘„•œƒ”—‘ ‡›™

(podakwen M. Bałtyckiego) 

ͳͳǤ

Ujście Dziwny

͸

Ujście Świny

͹

ͳʹǤ

Ujście Wisły Przekop

ͳͶǤ

Mierzeja Wiślana

ͳ͸Ǥ

Port Władysławowo

ͳ͵Ǥ

ͳͷǤ

Półwysep Hel

ͳ͹Ǥ

ͳͺǤ

WładysławowoǦJastrzębia

Góra

Jastrzębia GóraǦ‘™›

ʹͲǤ

‘™›ǦJarosławiec Wschód

ʹʹǤ

ƒ”„‹‘™‘Ǧœ‹™ƒ

ͳͻǤ

‘™›ǦJarosławiec Zachód

ʹͳǤ

ʹ͵Ǥ

JarosławiecǦƒ”„‹‘™‘



‘†‘„•œƒ”—

‘ ‡›

œ‹™ƒǦŚwina

ͷ

 ͳ

 ʹ

 ͵

 Ͷ

 ͷ

 

͸

 

͸

 

͹

 ͺ

 ͻ

Poz. 230

Typ wód

ȋ Ȍ

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przejściowe

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

Ǧ™‘†›

przybrzeżne

‘™‹‡”œ Š‹ƒ

ȏʹȐ

ʹǡ͵Ͷ

 ‡‹ƒ›

‡Ž‡‡–

‡‘•›•–‡—

͸Ͷǡͳʹ

ͺǡ͵ͷ

͵ͻǡͷ͹

͸ͻǡ͸͹

Ͳǡͳ͵

ͳ͹ǡʹͻ

ͳ͵ͻǡͻͳ

Ͷͷǡ͹ͻ

͵ͺǡͶͺ

ͻͺǡ͵͸

ͳͷ͵ǡ͵͵

ͷͺǡ͸ͻ

Metoda oceny stanu środowiska polskiej strefy Morza Bałtyckiego



W celu przeprowadzenia oceny krajowej stanu środowiska wód morskich za lata 2011Ǧ

2016, opracowano zmodyfikowaną metodę na podstawie metodyki zastosowanej w ocenie

 Ǥ

W przyjętej metodzie, oddzielne oceny dla ssaków, ptaków morskich, ryb, siedlisk

bentosowych i siedlisk pelagicznych odnoszą się do cechy D1 (różnorodność biologiczna), ocena

siedlisk bentosowych jest wspólna dla cech D1 i D6 (integralność dna morskiego), ocena siedlisk

’‡Žƒ‰‹ œych charakteryzuje cechę D1, zaś ocena ekosystemów, w tym łańcuchów pokarmowych

odnosi się do cech D1 i D4 (łańcuchy pokarmowe). 

‰‘†‹‡ œ †ecyzją ʹͲͳ͹ȀͺͶͺ ‡ Šƒ ͸ – integralność dna morskiego ze względu na

charakteryzujące ją kryteria właściwe jednocześ‹‡†‘‘ ‡›•–ƒ—•‹‡†Ž‹•„‡–‘•‘™› ŠǡŒƒ‹

’”‡•Œ‹ ˆ‹œ› œ› Š Œ‡•– œƒŽ‹ œƒƒ †‘ ‡ Š •–ƒ— ‹ ‡ Š presji. W opisie stanu wyróżnione są dwa

kryteria: D6C4 (zakres utraty typu siedliska wynikający z oddziaływań antropogenicznych nie

przekracza określonego odsetka naturalnego zasięgu siedliska w‘ ‡‹ƒ› ‘„•œƒ”œ‡Ȍǡ †Žƒ

którego w niniejszej ocenie, podobnie jak w II ocenie holistycznej (HELCOM 2017a), nie

opracowano jeszcze wskaźnika oraz kryterium D6C5 (zakres negatywnych skutków oddziaływań

ƒ–”‘’‘‰‡‹ œych na stan typów siedliskǡ™–›œ‹ƒ›‹ Š„‹‘–› œ‡Œ‹ƒ„‹‘–› œ‡Œ•–”—–—”›‹

jej funkcji, np. jej typowego składu gatunków, a także ich względnej liczebności, braku szczególnie

delikatnych lub wrażliwych gatunków lub gatunków zapewniających kluczową funkcję, struktury

rozmiarów gatunku, nie przekracza określonego odsetka naturalnego zasięgu siedliska w

‘ ‡‹ƒ›‘„•œƒ”œ‡ȌǤ

Z kolei w odniesieniu do presji ocenę integralności dna morskiego przeprowadzono dla

trzech kryteriów presji i oddziaływania: D6C1ǡ͸ʹǡ͸͵ǡ ‘zostanie omówione ™”‘œ†œ‹ƒŽ‡

ʹǤʹǤ



ͳͶͷ

Niektóre wskaźniki zastosowane w ocenie stanu siedlisk bentosowych i pelagicznych

spełniają również kryteria w ramach cechy D4 (–ƒ„‡ŽƒʹǤͳǤʹȌǤ‰‘†‹‡œ†ecyzją 2017/848 ocena

ekosystemów, w tym łańcuchów pokarmowych, powinna zostać przeprowadzona w oparciu o

ocenę co najmniej trzech grup troficznych (dwie spośród tych grup troficznych nieuwzględniające

ryb; przynajmniej jedna grupa troficzna zawierająca pr‘†— ‡–ƒ ’‹‡”™‘–‡‰‘Ǣ ’”‡œ‡–ƒ Œƒ

podstawy, środka i szczytu piramidy troficznej). Z uwagi na fakt, że powyższa decyzja weszła w

życie dopiero w maju 2017 r., a przewodnik do przeprowadzenia oceny zgodnie z art. 8 RDSM

(Walmsley i in. 2017) traktuje sposób wykonania oceny dla ekosystemów dość ogólnie, w

krajowej ocenie wykonano ocenę dla ekosystemów jedynie w sposób opisowy. Tak •ƒ‘został

’‘–”ƒ–‘™ƒ› –‡ ƒ•’‡– ™ ’‹‡”™•œ‡Œ ™‡”•Œ‹  ‘ ‡› Š‘Ž‹•–› œ‡Œ ȋ  ʹͲͳ͹ƒȌǡ –œǤ Œƒ‘

’‘†•—‘™ƒ‹‡ ‘ ‡› †Žƒ •‹‡†lisk, ryb, ssaków i ptaków (w oparciu o różne wskaźniki)

charakteryzujących różne poziomy troficzne w ekosystemie bałtyckim, wskazując na wzajemne

zależności, powiązania oraz zmiany zachodzące w sieciach troficznych. W niniejszym

opracowaniu ocenę łańcuchów pokarmowych zawarto w rozdziale „‘•›•–‡›‹•‹‡ ‹–”‘ˆ‹ œ‡”.

Wskaźniki

Podstawą do przeprowadzenia oceny stanu środowiska w POM œ‰‘†‹‡œ†ecyzją ʹͲͳ͹ȀͺͶͺ

są wskaźniki rekomendowane przez grupy robocze HELCOM. W zależności od stopnia

opracowania, wskaźniki HELCOM uzyskały odpowiedni status:

Wskaźnik podstawowy ȋƒ‰Ǥ core indicatorȌ – wskaźnik opracowany wspólnie i

zaakceptowany przez państwa członkowskie ‘™‡ Œ‹ Helsińskiej w ramach realizacji celów

Bałtyckiego Planu Działań Komisji Helsińskiej (ang. HELCOM Baltic Sea Action Planǡ Ȍ ‹

kryteriów określonych w , charakteryzujący się określoną wartością progową dobrego

stanu środowiska w całym obszarze Morza Bałtyckiego, jeśli jest to ekologicznie właściwe, lub w

poszczególnych obszarach oceny według podziału HELCOM (2013a). Wskaźnik podstawowy

odnosi się do stanu lub presji. Cel środowiskowy lub wartość progowa są dokładnie opisane dla

każdego operacyjnego wskaźnika podstawowego, uzgodnione są także metody jego oceny. 

Wskaźnik wstępny ȋƒ‰Ǥ pre-core indicatorȌ – wskaźnik wskazany przez państwa

członkowskieKonwencji Helsińskiej jako niezbędny do spełnienia celów BSAP i wymagań ocen

RDSM. Nie uzyskał jeszcze statusu wskaźnika podstawowego, głównie z uwagi na fakt, że nie

wszystkie aspekty wskaźnika zostały dopracowane i w związku z tym nie uzyskał on pełnej

ƒ ‡’–ƒ Œ‹ ’”œ‡œ państwa członkowksie ‘™‡ Œ‹ Helsińskiej. Parametry niezbędne do

wyznaczenia wskaźnikapowinny być monitorowane, jednak uznaje się, że dane niezbędne do jego

obliczenia mogą pochodzić z innych źródeł niż monitoring wedłu‰ Ǥ

Wskaźnik kandydujący ȋƒ‰Ǥ candidate indicatorȌ – wskaźnik będący w procesie

opracowania, mający koncepcyjny charakter, niezakończony proces testowania, finalnie

prowadzący do uzyskania statusu wskaźnika podstawowego. Elementy wskaźnika (np. procedura

oceny, wartości progowe) wykazują nadal poważne braki oraz nie ma powszechnej akceptacji

wskaźnika przez państwa czł‘‘™•‹‡ ‘™‡ Œ‹ Helsińskiej. Przyjmuje się, że lista

wskaźników kandydujących jest dokumentem otwartym, gdzie na poziomie eksperckim

przedstawiane są propozycje nowych wskaźników podstawowych.

W ocenie stanu środowiska w POM zaproponowano zastosowanie ’‘†•–ƒ™‘™› Š

‹wstępnych wskaźników opracowanych przez ekspertów grup HELCOM, typowych do oceny

„bioróżnorodności” w oparciu o dane biotyczne, uzupełnionych zestawem wskaźników

krajowych, a także wskaźnikami właściwymi dla oceny eutrofizacji, charakteryzującymi

środowisko abiotyczne, które są stosowane zgodnie z wytycznymi Ǥ

Wskaźniki ’‘™‹› spełniać różne kryteria i standardy metodologiczne dotyczące

określenia dobrego stanu środowiskaȋƒ”–Ǥͻ—•–Ǥ͵ǡwymienione w części II œałącznika do

†‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺȌ‘”ƒœ’‘™‹›odpowiadać wymaganiom †‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺ ‘†‘ ‡ ŠͳǡͶ

i D6, które opisują stan.

Wskaźniki zastosowane do oceny krajowej za lata 2011Ǧ2016 zostały przypisane do

odpowiednich kryteriów zgodnych z †ecyzją ʹͲͳ͹ȀͺͶͺi są przedstawione™–ƒ„‡Ž‹ʹǤͳǤʹǤ‹ƒ›

treści załącznika III do ™’”‘™ƒ†œ‘‡†›”‡–›™ąʹͲͳ͹ȀͺͶͷbyły konieczne, aby ułatwić

wdrażanie i zapewnienie lepszego powiązania elementów ekosystemu, presji antropogenicznych



ͳͶ͸

i oddziaływań wywieranych na środowisko morskie ze wskaźnikami jakości. Dla cech

(wskaźników jakości) D1, D4 i D6, dla których zostały określone kryteria zgodne z art. 9 ust. 3

ǡ ’”œ›’‹•ƒ‘ ‘†’‘™‹‡†ie presje antropogeniczne, sposoby użytkowania i działalności

człowieka w środowisku morskim, wymienione w –ƒ„‡Ž‹ ʹǤͳǤʹ na podstawie załącznika III do

ȋ–ƒ„‡Žƒʹǡ’‘œ› Œƒʹƒ‹ʹ„ȌǤ



ͳͶ͹

ͳǦ

różnorodność

„‹‘Ž‘‰‹ œƒ

•ƒ‹‘”•‹‡

Ǧ

Ǧ

ͳ͵

ͳʹ

Ǧ

”›–‡”‹—

drugorzędne 

ͳͳ

”›–‡”‹—

’‘†•–ƒ™‘™

‡

ͳͶͺ

Właściwości demograficzne

populacji (np. wielkość ciała

Ž—„•–”—–—”ƒŽƒ•™‹‡‘™› Šǡ

stosunek płci, wskaźnik

płodności i wskaźnik

przeżywalności) gatunków

wskazują na zdrową

populację, która nie ucierpiała

z powodu oddziaływań

ƒ–”‘’‘‰‡‹ œ› ŠǤ

Liczebność populacji

gatunków nie ucierpiała z

powodu oddziaływań

antropogenicznych, więc jest

œƒ’‡™‹‘ƒŒ‡Œ

długo–‡”‹‘™ƒżywotność.

Śmiertelność w przyłowie

znajduje się poniżej poziomu,

który zagraża gatunkom, więc

Œ‡•–œƒ’‡™‹‘ƒŒ‡‰‘

długo–‡”‹‘™ƒżywotność.

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

–ƒ”‡’”‘†— Œ‹ˆ‘‹•œƒ”‡Œ

ȋǡȌ

Liczebność populacji i trend

liczebności foki szarej (P, B)

Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

Przyłów ssaków morskich (P,

Ȍ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań)Ǥ

Niepokojenie gatunków (np. w

miejscach lęgu, odpoczynku lub

żerowania) spowodowane

obecnością człowieka.

Niepokojenie gatunków (np. w

miejscach lęgu, odpoczynku lub

żerowania) spowodowane

obecnością człowiekaǤ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań)Ǥ

’”‘™ƒ†œƒ‹‡‹› Š

•—„•–ƒ Œ‹ȋ’Ǥ•—„•–ƒ Œ‹

•›–‡–› œ› Šǡ•—„•–ƒ Œ‹

‹‡•›–‡–› œ› Šǡ

radionuklidów) –źródła

rozproszone, źródła punktowe,

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǡ

poważne œ†ƒ”œ‡‹ƒǤ

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

Monitor Polski

– 157 –



‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

Ž‡‡–

kryteriów

ƒ„‡ŽƒʹǤͳǤʹǤ Wskaźniki zastosowane w ocenie krajowej (2011Ǧ2016) w „zintegrowanej ocenie bioróżnorodności” w POM uwzględniające ssaki morskie, siedliska

bentosowe i siedliska pelagiczne oraz presje antropogeniczne, sposoby użytkowania i działalność człowieka w środowis—‘”•‹’”œ›’‹•ƒ‘†‘

odpowiednich kryteriów †‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺǤ

‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)



Ǧ

ͳͶ

ͳʹ

”›–‡”‹—

drugorzędne 

”›–‡”‹—

’‘†•–ƒ™‘™

‡

Wskaźnik zmian liczebności

zimujących ptaków wodnych

ȋǡȌ

Wskaźnik zmian liczebności

lęgowych ptaków wodnych 

ȋǡȌ



Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

Występowanie foki szarej 

ȋǡȌ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań)Ǥ

Niepokojenie gatunków (np. w

miejscach lęgu, odpoczynku lub

żerowania) spowodowane

obecnością człowiekaǤ



Wprowadzanie odpadów

(odpady stałe w tym

‹”‘‘†’ƒ†›ȌǤ

Wprowadzanie hałasu

związanego z działalnością

człowieka (impulsowego,

ciągłego).

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 158 –

ͳͶͻ

Liczebność populacji

gatunków nie ucierpiała z

powodu oddziaływań

antropogenicznych, więc jest

œƒ’‡™‹‘ƒŒ‡Œ

długoterminowa żywotność.

Zasięg gatunków i w

•–‘•‘™› Š’”œ›’ƒ†ƒ Š‹ Š

•–”—–—”ƒǡŒ‡•–œ‰‘†ƒœ

dominującymi warunkami

ˆ‹œŒ‘‰”ƒˆ‹ œ›‹ǡ

‰‡‘‰”ƒˆ‹ œ›‹‹

Ž‹ƒ–› œ›‹Ǥ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



–ƒ‹

Ž‡‡–

kryteriów





ͳʹ

ͳ͵



ͳ͵

ͳ͵

”›–‡”‹—

drugorzędne 

”›–‡”‹—

’‘†•–ƒ™‘™

‡

ͳͷͲ

Właściwości demograficzne

populacji (np. wielkość ciała

Ž—„•–”—–—”ƒŽƒ•™‹‡‘™› Šǡ

stosunek płci, wskaźnik

płodności i wskaźnik

przeżywalności) gatunków

wskazują na zdrową

populację, która nie ucierpiała

z powodu oddziaływań

ƒ–”‘’‘‰‡‹ œ› ŠǤ

Liczebność populacji

gatunków nie ucierpiała z

powodu oddziaływań

antropogenicznych, więc jest

œƒ’‡™‹‘ƒŒ‡Œ

długoterminowa żywotność.

Właściwości demograficzne

populacji (np. wielkość ciała

Ž—„•–”—–—”ƒŽƒ•™‹‡‘™› Šǡ

stosunek płci, wskaźnik

płodności i wskaźnik

przeżywalności) gatunków

wskazują na zdrową

populację, która nie ucierpiała

z powodu oddziaływań

ƒ–”‘’‘‰‡‹ œ› ŠǤ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

†‡••–ƒ—‹ Š–‹‘ˆƒ—› †Žƒ

wód przejściowych (K, B)

†‡•™‹‡Ž‹ Š”›„ȋ ͳȌ

ȋǡȌ

Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

Wskaźnik produktywności

„‹‡Ž‹ƒȋǡȌ



•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunkówȋ™

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań)Ǥ



’”‘™ƒ†œƒ‹‡‹› Š

•—„•–ƒ Œ‹ȋ’Ǥ•—„•–ƒ Œ‹

•›–‡–› œ› Šǡ•—„•–ƒ Œ‹

‹‡•›–‡–› œ› Šǡ

radionuklidów) –źródła

rozproszone, źródła punktowe,

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǡ

poważne zdarzeniaǤ

Niepokojenie gatunków (np. w

miejscach lęgu, odpoczynku lub

żerowania) spowodowane

obecnością człowiekaǤ



•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań)Ǥ



Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 159 –



‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

Monitor Polski

›„›



Ž‡‡–

kryteriów

ͳǦ

różnorodność

„‹‘Ž‘‰‹ œƒ‹

͸Ǧ

integralność

†ƒ

‘”•‹‡‰‘

‹‡†Ž‹•ƒ

„‡–‘•‘™‡

͸ͷ

”›–‡”‹—

’‘†•–ƒ™‘™

‡

Ǧ

”›–‡”‹—

drugorzędne 

Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

Ǧmultimetryczny wskaźnik

ƒ”‘œ‘‘„‡–‘•—ȋǡȌ



’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

„‹‘‰‡› Š–źródła

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

’”‘™ƒ†œƒ‹‡‹› Š

•—„•–ƒ Œ‹ȋ’Ǥ•—„•–ƒ Œ‹

•›–‡–› œ› Šǡ•—„•–ƒ Œ‹

‹‡•›–‡–› œ› Šǡ

radionuklidów) –źródła

rozproszone, źródła punktowe,

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǡ

poważne zdarzeniaǤ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań) –Œƒ‘

efekt eksploatacji zasobów

żywych (połowy ryb)

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› ŠǤ

ƒ„—”œ‡‹ƒˆ‹œ› œ‡†ƒ

‘”•‹‡‰‘ȋ–› œƒ•‘™‡Ž—„

‘†™”ƒ ƒŽ‡ȌǤ

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 160 –

ͳͷͳ

Zakres negatywnych skutków

oddziaływań

ƒ–”‘’‘‰‡‹ œ› Šƒ•–ƒ

typów siedliskǡ™–›ƒ

œ‹ƒ›‹ Š„‹‘–› œ‡Œ‹

ƒ„‹‘–› œ‡Œ•–”—–—”›‘”ƒœ

ˆ— Œ‹ȋ’ǤŒ‡Œ–’‘™‡‰‘

składu gatunków, a także‹ Š

względn‡Œliczebnoś ‹ǡ„”ƒ—

szczególnie †‡Ž‹ƒ–› ŠŽ—„

wrażliwych gatunków lub

gatunków zapewniających

kluczową funkcję, •–”—–—”›

”‘œ‹ƒrów ‰ƒ–——Ȍǡ‹‡

przekracza określonego

odsetka naturalnego zasięgu

•‹‡†Ž‹•ƒ™‘ ‡‹ƒ›

‘„•œƒ”œ‡Ǥ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

Ž‡‡–

kryteriów

‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

”›–‡”‹—

’‘†•–ƒ™‘™

‡

”›–‡”‹—

drugorzędne 

 œ–ƒ”‘ˆ‹–‘™›‹†‡•

•–ƒ—‡‘Ž‘‰‹ œ‡‰‘™

œƒŽ‡™ƒ ŠȋǡȌ

Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

ͳ–wskaźnik stanu

makrofitów (K, B)



’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

„‹‘‰‡› Š–źródła

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

’”‘™ƒ†œƒ‹‡‹› Š

•—„•–ƒ Œ‹ȋ’Ǥ•—„•–ƒ Œ‹

•›–‡–› œ› Šǡ•—„•–ƒ Œ‹

‹‡•›–‡–› œ› Šǡ

radionuklidów) –źródła

rozproszone, źródła punktowe,

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǡ

poważne zdarzeniaǤ

ƒ„—”œ‡‹ƒˆ‹œ› œ‡†ƒ

‘”•‹‡‰‘ȋ–› œƒ•‘™‡Ž—„

‘†™”ƒ ƒŽ‡ȌǤ

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 161 –

ͳͷʹ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



Ž‡‡–

kryteriów

ͳǦ

różnorodność

„‹‘Ž‘‰‹ œƒ

‹‡†Ž‹•ƒ

’‡Žƒ‰‹ œ‡

ͳ͸

”›–‡”‹—

’‘†•–ƒ™‘™

‡

Ǧ

”›–‡”‹—

drugorzędne 

›ƒ Ǧœƒ™‹–›•‹‹ ȋǡȌ

ŠŽ‘”‘ˆ‹ŽǦƒȋǡŽ—„ǡȌ

Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

–•–”—–—”ƒ

wielkościowa i całkowite

œƒ•‘„›œ‘‘’Žƒ–‘—ȋǡȌ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań) –Œƒ‘

efekt eksploatacji zasobów

żywych (połowy ryb)

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› ŠǤ

’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

„‹‘‰‡› Š–źródła

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

„‹‘‰‡› Š–źródła

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 162 –

ͳͷ͵

–ƒ–›’—•‹‡†Ž‹•ƒǡ™–›

Œ‡‰‘•–”—–—”ƒ„‹‘–› œƒ‹

ƒ„‹‘–› œƒ‘”ƒœŒ‡Œˆ— Œ‡

(np. typowy skład gatunkowy,

a także ich względna

liczebność, brak szczególnie

†‡Ž‹ƒ–› ŠŽ—„wrażliwych

gatunków lub gatunków

œƒ’‡™niających kluczową

funkcję, ”‘œ‹ƒ”•–”—–—”›

gatunków)ǡnie odniósł szkody

z powodu oddziaływań

ƒ–”‘’‘‰‡‹ œ› ŠǤ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

Ž‡‡–

kryteriów

ͳǦ

różnorodność

„‹‘Ž‘‰‹ œƒ‹

ͶǦłańcuchy

’‘ƒ”‘™‡



‘•›•–‡›ǡ™

tym sieć

–”‘ˆ‹ œƒ



Ͷͳ

”›–‡”‹—

’‘†•–ƒ™‘™

‡

Ǧ

”›–‡”‹—

drugorzędne 

Wskaźnik:

Dominujące presje lub sposoby

’‘†•–ƒ™‘™›ȋȌǡ

użytkowania i działalność

wstępny (W),

człowieka (Tab. 2, Anon.

”ƒŒ‘™›ȋȌǡ

ʹͲͳ͹ƒȌ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

Ǧmultimetryczny wskaźnik

’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

ƒ”‘œ‘‘„‡–‘•—ȋǡȌ

„‹‘‰‡› Š–źródła

†‡••–ƒ—‹ Š–‹‘ˆƒ—› †Žƒ

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

wód przejściowych (K, B)

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

’”‘™ƒ†œƒ‹‡‹› Š

•—„•–ƒ Œ‹ȋ’Ǥ•—„•–ƒ Œ‹

•›–‡–› œ› Šǡ•—„•–ƒ Œ‹

‹‡•›–‡–› œ› Šǡ

radionuklidów) –źródła

rozproszone, źródła punktowe,

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǡ

poważne zdarzeniaǤ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań) –Œƒ‘

efekt eksploatacji zasobów

żywych (połowy ryb)

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› ŠǤ

ƒ„—”œ‡‹ƒˆ‹œ› œ‡†ƒ

‘”•‹‡‰‘ȋ–› œƒ•‘™‡Ž—„

‘†™”ƒ ƒŽ‡ȌǤ

– 163 –

ͳͷͶ

Różnorodność (skład

‰ƒ–—ów, a także ich

względna liczebność) w

‰”—’‹‡troficznej nie została

naruszona ze względu na

oddziaływania

ƒ–”‘’‘‰‡‹ œ‡Ǥ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

Ž‡‡–

kryteriów

‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

”›–‡”‹—

drugorzędne 

Ǧ

Ͷ͵

”›–‡”‹—

’‘†•–ƒ™‘™

‡

Ͷʹ

Ǧ

–•–”—–—”ƒ

wielkościowa i całkowite

œƒ•‘„›œ‘‘’Žƒ–‘—ȋǡȌ

†‡•™‹‡Ž‹ Š”›„ȋ ͳȌ

ȋǡȌ

Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

‹ƒȀ‹‘Ǧwskaźnik

‘”œ‡‘™‘Ǧ„”—œ†‹ ‘™›

ȋǡȌ

’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

„‹‘‰‡› Š–źródła

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

Zmiany warunków

Š›†”‘Ž‘‰‹ œ› Šȋ‹Ǥ

–‡’‡”ƒ–—”ƒ™‘†›™œ‹‹‡ȌǤ

•’Ž‘ƒ–ƒ ŒƒŽ—„

śmiertelność/szkody w

obrębie dzikich gatunków (w

ramach połowów

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› Š

oraz innych działań) –Œƒ‘

efekt eksploatacji zasobów

żywych (połowy ryb)

‘‡” ›Œ› Š‹”‡”‡ƒ ›Œ› ŠǤ

’”‘™ƒ†œƒ‹‡•—„•–ƒ Œ‹

„‹‘‰‡› Š–źródła

”‘œ’”‘•œ‘‡ǡ’—–‘™‡ǡ

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǤ

’”‘™ƒ†œƒ‹‡ƒ–‡”‹‹

‘”‰ƒ‹ œ‡Œ–źródła

”‘œ’”‘•œ‘‡‹’—–‘™‡Ǥ

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 164 –

ͳͷͷ

Rozkład wielkości osobników

™‰”—’‹‡–”‘ˆ‹ œ‡Œnie został

naruszony ze względu na

oddziaływania

ƒ–”‘’‘‰‡‹ œ‡Ǥ

Równowaga całkowitej

liczebności pomiędzy grupami

troficznymi nie została

naruszona ze względu na

oddziaływania

ƒ–”‘’‘‰‡‹ œ‡Ǥ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



Ž‡‡–

kryteriów

‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

”›–‡”‹—

drugorzędne 

ͶͶ

”›–‡”‹—

’‘†•–ƒ™‘™

‡



Wskaźnik:

’‘†•–ƒ™‘™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności (B),

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

Wskaźnik produktywności

„‹‡Ž‹ƒȋǡȌ

’”‘™ƒ†œƒ‹‡‹› Š

•—„•–ƒ Œ‹ȋ’Ǥ•—„•–ƒ Œ‹

•›–‡–› œ› Šǡ•—„•–ƒ Œ‹

‹‡•›–‡–› œ› Šǡ

radionuklidów) –źródła

rozproszone, źródła punktowe,

†‡’‘œ› Œƒƒ–‘•ˆ‡”› œƒǡ

poważne zdarzeniaǤ

Dominujące presje lub sposoby

użytkowania i działalność

człowieka (Tab. 2, Anon.

ʹͲͳ͹ƒȌ

– 165 –

ͳͷ͸

Wydajność grupy troficznej

nie została naruszona ze

względu na oddziaływania

ƒ–”‘’‘‰‡‹ œ‡Ǥ

’‹•”›–‡”‹—œ‰‘†‹‡œ

†ecyzją 2017/848

Monitor Polski



Ž‡‡–

kryteriów

Cecha D1 – —–”œ›ƒ‹‡ różnorodności biologicznej. Jakość i występowanie siedlisk oraz

”‘œ‹‡•œ œ‡‹‡‹różnorodność gatunków odpowiadają dominującym warunkom fizjograficznym,

‰‡‘‰”ƒˆ‹ œ›‹Ž‹ƒ–› œ›regionu Morza BałtyckiegoǤ

Cecha D4 – występowanie elementów morskiego łańcucha pokarmowego w ilościach i

zróżnicowaniu na poziomie zapewniającym w dalszej perspektywie liczebność gatunkó™ ‹

utrzymanie ich pełnej zdolności reprodukcyjnej.

Cecha D6–—–”œ›manie integralności †ƒ‘”•‹‡‰‘ƒ’‘œ‹‘‹‡zapewniającym ochronę

struktury i funkcji ekosystemów oraz brak ‡‰ƒ–›™‡‰‘wpływu na –‡‡‘•›•–‡›Ǥ

Kryterium podstawowe – kryterium do obowiązkowego zastosowania przez państwa

członkowskie przy określaniu zestawu właściwości typowych dla dobrego stanu środowiska

w celu oceny, w jakim stopniu osiąga się dobry stan środowiska. 

Kryterium drugorzędne – ”›–‡”‹— ™›‘”œ›•–›wane jako uzupełniające kryterium

podstawowe lub gdy istnieje zagrożenie, że środowisko morskie nie osiągnie lub nie utrzyma

dobrego stanu środowiska dla danego kryterium.

Elementy kryteriów – elementy tworzące ekosystem, a zwłaszcza jego elementy

„‹‘Ž‘‰‹ zne (gatunki, siedliska) lub aspekty presji na środowisko morskie, które są oceniane w

ramach każdego kryterium.

Wypełniając kryteria †ecyzji 2017/848 w raporcie w 2018 r. odnośnie RDSM, stan

środowiska Morza Bałtyckiego przedstawiono w oparciu o następują ‡ informacje dotyczące

poszczególnych kryteriów (DIKEͳ͸ǦʹͲͳ͹ǦͲͺȌǣ



ͳȌ D1C1 (incydentalny przyłów) –śmiertelność w przyłowie;

ʹȌ ͳʹǦC5 (gatunki ptaków, ssaków morskich i ryb) – •–ƒ ‰ƒ–—— ‘”ƒœ œ‡•–ƒ™‹‡‹‡

gatunków, które wykazują lub osiągnęły dobry stan wdanej grupie gatunków w obszarze

oceny na tle wszystkich ocenianych gatunków;

͵Ȍ D1C6 (ogólne typy siedlisk pelagicznych) – zestawienie siedlisk, które wykazują lub

osiągnęły dobry stan w obszarze oceny na tle wszystkich ocenianych siedlisk;

ͶȌ D6C4 (ogólne typ›•‹‡†Ž‹•„‡–‘•‘™› ŠȌ–zasięg utraty siedliska (%) na tle wszystkich

‘ ‡‹ƒ› Š•‹‡†Ž‹•Ǣ

ͷȌ D6C5 (ogólne typy siedlisk bentosowych) –zasięg niekorzystnego oddziaływania (%) na

–Ž‡™•œ›•–‹ Š‘ ‡‹ƒ› Š•‹‡†Ž‹•Ǥ

„Zintegrowana ocena bioróżnorodności”



„Zintegrowana ocena bioróżnorodności” polega na wykonaniu oceny stanu dla

wyznaczonych obszarów oceny w POM, oddzielnie dla poszczególnych elementów ekosystemu i

za pomocą jednoczesnego wykorzystania kilku wskaźników (podstawowych, wstępnych,

”ƒŒ‘™› Š‹‡—–”ofizacji) w obszarze oceny, które łącznie odnoszą się do cech D1, D4 i D6. Każdy

wskaźnik jest przypisany do oceny odpowiedniego gatunku, grupy gatunków lub danego typu

siedliska. Określony wskaźnik może być wykorzystany w ocenie tylko jednokrotnie. Możliwość

wykorzystania różnych wskaźników w zintegrowanej ocenie oraz ich porównywalność jest

możliwa poprzez przeprowadzenie normalizacji wartości wskaźników w przedziale od 0 do 1,

przy wskazaniu wartości minimalnej i maksymalnej dla danego wskaźnika. 

 ’”œypadku ssaków morskich ocena stanu odnosi się do poziomu 1., tj. całego obszaru

Morza Bałtyckiego, w części obejmującej POM. Ssaki morskie występujące w –‘ˆ‘ƒ•œƒ”ƒ

ȋHalichoerus grypusȌǡ ˆ‘ƒ ’‘•’‘Ž‹–ƒ ȋPhoca vitulina), foka obrączkowana (Pusa hispidaȌ ‘”ƒœ

morświn (Phocoena phocoenaȌǤ ‡†ƒ œ —™ƒ‰‹ ƒ „”ƒ ™‹ƒ”›‰‘†› Š †ƒ› Š ‹ —œ‰‘†‹‘› Š

wartości granicznych dla wskaźników oceniających stan morświna, gatunek ten został wyłączony

z „zintegrowanej oceny bioróżnorodności”, a jego ocena została wykonana w sposób opisowy.

Spośród trzech gatunków fok bałtyckich, jedynie foka szara stale występuje na wodach krajowych

i zajmuje stałe miejsce haulǦout (miejsce odpoczynku) w rejonie Ujścia Wisły. Z tego względu

jedynie foka szara została poddana ocenie wieloletniej, gdyż dwa pozostałe gatunki (foka



ͳͷ͹

pospolita i foka obrączkowana) występują w POM sporadycznie. Raport WWF (H›ŽŽƒǦƒ™”›‹—

2017), uwzgledniający swoim zakresem lata 2009 Ǧ 2016 podaje, że foki pospolite oraz foki

obrączkowane były odnotowywane sporadycznie w POM, również w obrębie haulǦ‘—–ˆ‘‹•œƒ”‡ŒǤ

Ogółem,

obserwacje

tych

dwóch

gatunków

stanowiły,

odpowiednio,

4% 

i 0,8% wszystkich obserwacji fok odnotowanych w bazie danych WWF. Z tego względu

„zintegrowana ocena bioróżnorodności” wœƒ”‡•‹‡•saków morskich w POM dotyczy w zasadzie

wyłącznie foki szarej. Ogólny schemat oceny ssaków morskich został przedstawiony na 

”›•ǤʹǤͳǤʹǤ



ocena zgodna z Decyzją

2017/848

›•ǤʹǤͳǤʹǤ

Ogólny schemat „zintegrowanej oceny bioróżnorodności” w zakresie ssaków morskich –ˆ‘

ȋ ‡ Šƒ ͳ – różnorodność biologiczna, według PMŚ, liczba wskaźników podana

przykładowo, ssaki morskie to 1 z 5 elementów ekosystemu w ramach cechy D1)Ǥ



Ocena stanu siedlisk bentosowych i pelagicznych w POM została przeprowadzona na

poziomie 4. podziału Morza Bałtyckiego, dla 19 jednolitych części wód zgodnie z RDW oraz dla 3

basenów otwartego morza. Ogólny schemat „zintegrowanej oceny bioróżnorodności” w œƒ”‡•‹‡

•‹‡†Ž‹•„‡–‘•‘™› Š‹’‡Žƒ‰‹ œ› Š’”œ‡†•–ƒ™‹‘‘ƒ”›•ǤʹǤͳǤ͵Ǥ



ͳͷͺ

Średnia ważona

›•ǤʹǤͳǤ͵Ǥ

Ogólny schemat „zintegrowanej oceny bioróżnorodności” w zakresie siedlisk bentosowych

‹’‡Žƒ‰‹ œ› Š ™  ȋ ‡ Šƒ ͳ – różnorodność biologiczna, cecha D4 – łańcuchy

’‘ƒ”‘™‡ǡ ‡ Šƒ͸–‹tegralność dna morskiego, według PMŚ, liczba wskaźników i ich

wagi w obrębie siedliska podane przykładowo, siedliska bentosowe i’‡Žƒ‰‹ œ‡ –‘ ʹ œ ͷ

elementów ekosystemu w ramach cechy D1)Ǥ

Wiarygodność oceny



Žƒ ‘ ‡› ™‹‡Ž‘Ž‡–‹‡Œ ʹͲͳͳǦ2016, równolegle do oceny stanu, przeprowadza się ocenę

wiarygodności. W pierwszej kolejności należy ocenić wiarygodność pojedynczego wskaźnika w

‘„•œƒ”œ‡ ‘ ‡› ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 na podstawie 4 składowych: wiarygodności czasowej,

wiarygodności przestrzennej, wiarygodności klasyfikacji i wiarygodności metodyki poprzez

przypisanie każdej z tych składowych klasy: niskiejǡśredniej lub wysokiej i odpowiadających im

wartości liczbowych, które należy uśrednić, aby uzyskać jedną wartość wiarygodności wskaźnika.

W celu określenia wiarygodności wskaźnika należy odpowiedzieć na pytania podane ™ –ƒ„‡Ž‹

ʹǤͳǤ͵Ǥ





ͳͷͻ

ͳ͸Ͳ

Czy porównanie z wartością progową

nie wskazuje, czy dane są w zakresie

GES/subGES, tzn. GES został osiągnięty

lub nie został osiągnięty z

Ͳ

Czy porównanie z wartością progową

wskazuje, że wartości są na ogół w

zakresie GES/subGES, ale występują

pewne wartości odstające w serii

Ͳǡͷ

Czy porównanie z wartością progową

wskazuje wyraźnie, że GES został

osiągnięty lub czy GES nie został

osiągnięty z prawdopodobieństwem

ͳ

– 169 –



Wiarygodność klasyfikacji

Wskaż odpowiedź „TAK” przy jednej z

Žƒ•ǣ™›•‘‹‡Œǡśredniej lub niskiej dla

wiarygodności przestrzennej

Czy stacje monitoringowe są w

œ›•–ƒ Œ‡‘‹–‘”‹‰‘™‡‹‡

większości tak rozmieszczone w

pokrywają w sposób właściwy †ƒ‡‰‘

†ƒ›‘„•œƒ”œ‡‘ ‡›ǡƒ„›ƒ

‘„•œƒ”—‘ ‡›ǡƒ„›ƒ’‘†•–ƒ™‹‡

’‘†•–ƒ™‹‡†ƒ› Šœ–› Š•–ƒ Œ‹

danych z tych stacji wyliczyć wskaźnik

wyliczyć wskaźnik w tym obszarze?

™–›‘„•œƒ”œ‡ǫœ›‘–”œ›ƒ‡†ƒ‡œ

œ›‘–”œ›ƒ‡†ƒ‡œ–› Š•–ƒ Œ‹

tych stacji reprezentują wiarygodnie

reprezentują wiarygodnie

mniej niż 60% danego siedliska w

’”œ›ƒŒ‹‡Œ͸ͲǦͺͲΨ†ƒ‡‰‘•‹‡†Ž‹•ƒ

obszarze oceny? Jeżeli wskaźnik

w obszarze oceny? Jeżeli wskaźnik

wykazuje wyraźny gradient lub

wykazuje wyraźny gradient lub

‹‡”‡‰—Žƒrność, czy rozmieszczenie

nieregularność, czy rozmieszczenie

•–ƒ Œ‹‘‹–‘”‹‰‘™› Š’‘”›™ƒ

•–ƒ Œ‹‘‹–‘”‹‰‘™› Š’‘”›™ƒ

przynajmniej 90% tej zmienności?

przynajmniej 90% tej zmienności?

Ͳ

œ›†ƒ‡‘‹–‘”‹‰‘™‡œ‘”‡•—

‘ ‡›ǣʹͲͳͳǦ2016 są

niewystarczające? Jeżeli wskaźnik

™›ƒœ—Œ‡œ‹ƒ›œ”‘—ƒ”‘ǡ œ›

wyniki z 1 do 2 lat są uwzględnione?

Czy dane monitoringowe pokrywają

większą część okresu oceny: 2011Ǧ

2016? Jeżeli wskaźnik wykazuje

œ‹ƒ›œ”‘—ƒ”‘ǡ œ›™›‹‹œ͵

do 4 lat są uwzględnione?

Ͳǡͷ

‹•ƒ

Žƒ•›

Średnia

Czy stacje monitoringowe są

‘†’‘™‹‡†‹‘”‘œ‹‡•œ œ‘‡™†ƒ›

‘„•œƒ”œ‡‘ ‡›ǡƒ„›ƒ’‘†•–ƒ™‹‡

†ƒ› Šœ–› Š•–ƒ Œ‹™›Ž‹ œyć określony

wskaźnik w tym obszarze? Czy dane

uzyskane z tych stacji reprezentują

™‹ƒ”›‰‘†‹‡’”œ›ƒŒ‹‡ŒͺͲΨ

†ƒ‡‰‘•‹‡†Ž‹•ƒ™‘„•œƒ”œ‡‘ ‡›ǫ

Jeżeli wskaźnik wykazuje wyraźny

gradient lub nieregularność, czy

”‘œ‹‡•œ œ‡‹‡•–ƒ Œ‹

‘‹–‘”‹‰‘™› Š’‘”›™ƒ

przynajmniej 90% tej zmienności?

ͳ

›•‘ƒ

Czy dane monitoringowe pokrywają w

pełni okres oceny: 2011Ǧ2016? Jeżeli

wskaźnik wykazuje zmiany z roku na

”‘ǡ œ›™›‹‹œ™•œ›•–‹ ŠŽƒ–œ

‘”‡•—ʹͲͳͳǦ2016 są uwzględnione?

Jeżeli zmienność z roku na rok nie

występuje, czy są spełnione

wymagania czasowej częstotliwości

‘‹–‘”‹‰—ȋ’Ǥ‘‹–‘”‹‰

ƒ”‘œ‘‘„‡–‘•—™™‘†ƒ Š

Œ‡†‡”ƒœƒ͵Žƒ–ƒȌǫ

Monitor Polski

Wiarygodność przestrzenna

•aż odpowiedź „TAK” przy jednej z

Žƒ•ǣ™›•‘‹‡Œǡśredniej lub niskiej dla

wiarygodności czasowej

Wiarygodność czasowa

Składowe wiarygodności

ƒ„‡ŽƒʹǤͳǤ͵Ǥ Metoda wyznaczenia uśrednionej wiarygodności wskaźnika dla jednego obszaru‘ ‡›Ǥ

ͳ

przykład: (1+1+0,5+0,5)/4=0,75

Ͳǡͷ

Ͳ

Czy parametry składowe wskaźnika,

dla których istnieje przewodnik

‡–‘†› œ› COM nie były

‘‹–‘”‘™ƒ‡™edłu‰–› Š

wytycznych? Czy dane nie były

poddane kontroli jakości? W

przypadku oceny wskaźników

stosowanych w RDW odpowiedź czy

dany wskaźnik nie przeszedł

•—–‡ œ‡Œ‹–‡”ƒŽ‹„”ƒ Œ‹ǫ





Ͳ

‹•ƒ

prawdopodobieństwem mniejszym od

͹ͲΨǫ’”œ›’ƒ†—‘ ‡›

wskaźników stosowanych w RDW

odpowiedź czy dany wskaźnik nie

przeszedł skutecznej interkalibracji?



ͳ͸ͳ

– 170 –



Opracowanie własne na podstawie metody zastosowanej w II ocenie holistycznej „State of the Baltic Sea. The Integrated assessment of biodiversity. Report 2017”.

Wskaż odpowiedź „TAK” przy jednej z

Žƒ•ǣ™›•‘‹‡Œǡśredniej lub niskiej dla

wiarygodności metodyki

Uśredniona wartość wiarygodności

wskaźnika (WW) – uśrednij

wartości, dla których wskazano

„TAK”

Ͳǡͷ

Žƒ•›

Średnia

danych, tzn. GES został osiągnięty lub

nie został osiągnięty z

prawdopodobieństwem 70ǦͺͻΨǫ

przypadku oceny wskaźników

•–‘•‘™ƒ› Š™‘†’owiedź czy

dany wskaźnik został poddany

•—–‡ œ‡Œ‹–‡”ƒŽ‹„”ƒ Œ‹ǫ

œ›parametry składowe wskaźnika,

dla których istnieje przewodnik

Czy parametry składowe wskaźnika,

metodyczny HELCOM były

dla których istnieje przewodnik

‘‹–‘”‘™ƒ‡™edłu‰™›–› œ› Š

metodyczny HELCOM były

–‡‰‘’”œ‡™‘†‹ƒǫœ›‘–”‘Žƒ

monitorowane tylko częściowo wedłu‰

jakości była prowadzona wedłu‰œƒ•ƒ† –› Š™›–› œ› Šǫzy kontrola jakości

Ž—„‹› Š

była prowadzona, ale wedłu‰

międzynarodowych przewodników

Ž‘ƒŽ› Šœƒ•ƒ†ǫ’”œ›’ƒ†—‘ ‡›

zapewnienia jakości pomiarów? W

wskaźników stosowanych w RDW

przypadku oceny wskaźników

odpowiedź czy dany wskaźnik ma

stosowanych w RDW odpowiedź czy

przeprowadzaną interkalibrację?

dany wskaźnik ma zakończoną



interkalibrację?

ͳ

›•‘ƒ

‘ƒŒ‹‡ŒͻͲΨǫ’”œ›’ƒ†—‘ ‡›

wskaźników stosowanych w RDW

odpowiedź czy dany wskaźnik ma

zakończoną interkalibrację?

Monitor Polski

Wiarygodność metodyki

Wskaż odpowiedź „TAK” przy jednej z

Žƒ•ǣ™›•‘‹‡Œǡśredniej lub niskiej dla

wiarygodności klasyfikacji

Składowe wiarygodności

W kolejnym kroku uśrednione wartości wiarygodności poszczególnych wskaźników (WW)

powinny zostać zintegrowane. 

W przypadku ssaków mors‹ Š–foki szarej, średnia wiarygodność dla obszaru oceny (WO),

a więc całego POM z wyłączeniem zalewów, oblicza się jako średnią arytmetyczną wiarygodności

wskaźników (WW).

Žƒ •‹‡†Ž‹• „‡–‘•‘™› Š ‹ ’‡Žƒ‰‹ œ› Š ™ †ƒ› ‘„•œƒ”œ‡ ‘ ‡›ǡ ™ ‡Ž— ™›œƒ œ‡‹ƒ

średniej wiarygodności dla ocenionych obszarów oceny, wskaźniki będą podlegać integracji na

zasadzie obowiązującej w opracowanej metodzie oceny, czyli średniej ważonej w oparciu o wagi

przypisane wskaźnikom. Dodatkowo, jeżeli zabrakło wskaźnika do oceny grup gatunków lub

ogólnego typu siedliska występujących w danym obszarze, należy pomniejszyć ostateczną ocenę

wiarygodności dla danego obszaru oceny o 25%. 

W rezultacie uzyskuje się wynik statusu wiarygodności (WO) danego elementu ekosystemu

†Žƒ†ƒ‡‰‘‘bszaru oceny zgodnie z klasyfikacją przedstawioną w –ƒ„‡Ž‹ʹǤͳǤͶǤ

ƒ„‡ŽƒʹǤͳǤͶǤ Klasyfikacja wyniku oceny wiarygodności (kolory oznaczają sta–us wiarygodności

•–‘•‘™ƒ›†‘’”œ‡†•–ƒ™‹‡‹ƒ‘ ‡›ƒƒ’ƒ ŠȌǤ

ƒ”tość średniej wiarygodności w obszarze

‘ ‡›ȋȌ

≥ 0,75

Ͳǡͷ–Ͳǡ͹Ͷ

δͲǡͷ

Status wiarygodności

™›•‘‹

średni

‹•‹



Ssaki morskie

Wskaźniki

Do wykonania oceny stanu środowiska na podstawie fok w ramach II oceny holistycznej za

Žƒ–ƒʹͲͳͳǦ2016 przyjęto wypracowane w ramach HELCOM cztery wskaźniki główne (ang. core

indicatorsȌǣ „Liczebność populacji i trend liczebności”ǡ „Występowanie”ǡ „Stan reprodukcji” ‘”ƒœ

„Stan odżywienia”(HELCOM 2017a). Trzy pierwsze wskaźniki zostały uwzględnione w ramach

PMŚ w POM (Opioła i in. 2016) z uwagi na jednolitą metodykę prac (analiza fotograficzna/loty),

natomiast wskaźnik „Stan odżywienia” ȋ  ʹͲͳ͹ Ȍ œ —™ƒ‰i na pilotażowy charakter

projektu w POM oraz rozpoczęty proces zmiany tego wskaźnika (lub jego poziomów

referencyjnych) w ramach grupy HELCOM SEAL nie był monitorowany. Należy również

podkreślić, że do prawidłowego zastosowania tego wskaźnika niezbędny jest materiał

pozwalający na obróbkę statystyczną uzyskanych wyników, a więc reprezentatywny zarówno

pod kątem liczebności pozyskanych do analiz osobników, jak i grup wiekowych czy płci. Takie

prace prowadzi w chwili obecnej Stacja Morska im. Krzysztofa Skóry Uniwersytetu Gdańskiego w

Helu we współpracy z partnerami z grupy HELCOM SEAL. Brak jednego ze wskaźników nie

uniemożliwia jednak wykonania oceny gatunku. Przyjęta metodyka oceny wiarygodności

uwzględnia ten fakt.

Jednocześnie należy podkreślić, że presje na ssaki morskie, które nie zostały

zakwalifikowane do oceny parametrycznej jako wskaźniki, są szczególnie istotnym zagrożeniem

dla wszystkich gatunków ssaków morskich Morza Bałtyckiego. Przyłów ssaków morskich został

uznany za jeden z ważniejszych czynników związanych z antropopresją i limitujących populacje

ȋ  ʹͲͳ͸ƒȌǤ ‹‡‹‡Œǡ ƒ ’‘œ‹‘‹‡  œ›‹ –‡ nie został użyty do oceny stanu

zachowania gatunków, a jest wyłącznie przedstawiany w ogólnym opisie presji. Przyłów, jako

wskaźnik presji, oparty jest na liczbie zwierząt, które zostały znalezione martwe przez rybaków

™ •‹‡ ‹ƒ ŠǤ ƒ‡ są œ„‹‡”ƒ‡ ’”œ‡œ  ǦPIB) Przyłów odnosi się bezpośrednio do trendów

™›Ž‹ œƒ› Š œdanych z ostatnich 10 lat. Dane niezbędne do wyznaczenia tego wskaźnika to

‹ˆ‘”macje zawarte w raportach zgłaszanych do MIRǦPIB lub do Departamentu Rybołówstwa

Ministerstwa Gospodarki Morskiej i Żeglugi Śródlądowej. † ʹͲͲ͸ ”Ǥ ‹‡ ‘†‘–‘™ƒ‘ ™

raportowanych danych ani jednego przypadku przyłowu morświna, natomiast w przypadku foki

szarej odnotowano 4 osobniki przyłowione w latach 2011ǦʹͲͳ͸ȋ Ǧ ʹͲͳ͹ȌǤƒ‹ƒ—–‘”œ›

”ƒ’‘”–— ǦPIB wskazują na niewielką liczbę zaraportowanych, przyłowionych zwierząt (ptaki



ͳ͸ʹ

i ssaki morskie) w stosunku do wysokiego nakładu połowowego. Odnotowana w raporcie

liczebność pozostaje w kontraście do danych dostępnych zgromadzon› Š™„ƒœ‹‡ Ȁ  

ȋ™™™Ǥˆ‘ƒ”‹—Ǥ’ŽȌ – ™ ‘”‡•‹‡ ʹͲͳͳǦ2017 na plażach znƒŽ‡œ‹‘‘ ’‘ƒ† ʹͲͲ ƒ”–™› Š ˆ‘ ‹

kilkanaście morświnów, z których część posiadała ślady wskazujące na możliwość przyłowuǤ

przypadku morświna, przyłów został określony jako krytyczne zagrożenie dla gatunku, w

szczególności dla populacji Bałtyku Właściwego. Przyjęto, że przyłów już na poziomie jednego

osobnika, stanowi znaczące zagrożenie dla populacji morświna w tym rejonie (Harkonen i in.

ʹͲͳ͵ǡ  ʹͲͳ͹†ȌǤ  Ž‹’ — ʹͲͳ͸ ”Ǥ, w Zatoce Pomorskiej odnotowano przyłów samicy

morświna, jednocześnie odnotowano dwa martwe morświny ze śladami okaleczenia i

uszkodzeniami ciała wskazującymi na przyłów (baza danych WWF/SMOIUG).

Utonięcie w wyniku zaplątania w sprzęt do połowu ryb to jedna z głównych przyczyn

śmierci morświnów w Bałtyku, jednak problem ten dotyczy również fok (Korpinen i Braeger

2013). Ryzyko przypadkowego przyłowu jest największe przy różnego rodzaju sieciach

skrzelowych, występuje również przy stosowaniu innych metod połowu ryb, jak sieci pułapkowe,

żaki, w których też odnotowywano przyłów ssaków mo”•‹ Šȋ ʹͲͳ͵ƒǡƒŠƒ–ƒŽ‘‹‹ǤʹͲͳͶȌǤ

Przypadkowy przyłów morświna w obszarze Kattegatu oraz cieśnin Duńskich został

‘•œƒ ‘™ƒ› ƒ ͳ͸ͷǦ263 osobników w 2014 r. głównie w oparciu o informacje z kamer CCTV,

‹ˆ‘”ƒ Œ‡ z komercyjnych łodzi rybackich i dan‡ dotyczących intensywności połowów (ICES

2016b). Estymacje te muszą być jednak traktowane z dużą ostrożnością, biorąc pod uwagę źródła

danych użytych do wyliczeń. Dokumentacja przypadkowego przyłowu morświnów w Bałtyku

Właściwym jest fragmentaryczna, zwykle dotyczy pojedynczych osobników w ciągu roku dla

wszystkich krajów raportujących.‘Ž• ‡™‘”‡•‹‡‘†ʹͲͳͳ”Ǥ†‘ʹͲͳ͸”Ǥłącznie odnotowano

22 raporty o morświnach z przyłowu (dane z Žƒ–ʹͲͳͳǦʹͲͳͷƒ’‘†•–ƒ™‹‡”ƒ’‘”–— ǡ†ƒ‡œ

ʹͲͳ͸”Ǥƒ’‘†•–ƒ™‹‡†ƒ› Š  ȌǤ

W przypadku foki szarej, poza presją ze strony rybołówstwa, należy odnotować fakt, że jej

•–ƒ‘™‹•‘ȋŠƒ—ŽǦout) w Ujściu Wisły jest niestabilnym siedliskiem położonym na piaszczystych

łachach. Z uwagi na znaczne wahania poziomu wód, rozmywanie łach w trakcie naturalnych

procesów hydrodynamicznych (które mogą być modyfikowane przez działalność człowieka –Œƒ

np. inwestycje hydrotechniczne w Ujściu Wisły), ilość dostępnego dla fok miejsca nie jest stała

ȋ ‘–Ǥ ʹǤͳǤͳȌǡ w przeciwieństwie do sytuacji w Szwecji czy Finlandii, gdzie wybrzeża są skalisteǤ

”‡•ja również z tej strony może mieć krytyczne znaczenie dla stada występującego w POM, a

’”œ‡†‡ ™•œ›•–‹ †Žƒ ™›‘”œ›•–ƒ‹ƒ Šƒ—ŽǦout w Ujściu Wisły jako miejsca stałego rozrodu

gatunku. W trakcie monitoringu PMŚ zaobserwowano również foki odpoczywające na

„‡tonowych opaskach (tzw. kierownicach), które mogą potencjalnie zostać wykorzystane przez

gatunek jako „zastępczy” haulǦ‘—– ȋ ‘–Ǥ ʹǤͳǤʹȌ ™ ’”œ›’ƒ†— „ƒ”†œ‘ ™›•‘‹ Š •–anów wód lub

innych zjawisk ograniczających dostęp do łachy. Rozmywanie łachy jest co roku odnotowywane

w trakcie prac monitoringowych, jednak nie jest możliwe poddanie tego czynnika ocenie

’ƒ”ƒ‡–”› œ‡Œǡƒ–›„ƒ”†œ‹‡Œ’”‘‰‘œ‘™ƒ‹—•–ƒ—œƒ Š‘™ƒ‹ƒ•‹‡†Ž‹•ƒ œ›Œ‡‰‘™ƒŽ‘”›œƒ Œ‹

ȋƒ™Ž‹ œƒʹͲͳʹȌǤ









ͳ͸͵

‘–ǤʹǤͳǤͳǤ



‘–ǤʹǤͳǤʹǤ

– 173 –

Poz. 230



Foki odpoczywające na niewielkiej piaszczystej łasze (haulǦout) w rejonie Ujścia Wisły w

ƒ” —ʹͲͳ͹”Ǥ



Foki odpoczywające na betonowym umocnieniu (tzw. kierownica) w rejonie Ujścia Wisły w

™‹‡–‹—ʹͲͳ͹”Ǥ



Wskaźnik „Liczebność populacji i trend liczebności foki szarej”

Liczebność populacji ˆ‘‹ •œƒ”‡Œ określa liczbę wszystkich osobników foki szarej,

występujących na lądzie w miejscu haulǦout oraz w wodzie w niewielkiej odległości od tego

miejsca. Dane niezbędne do określenia liczebności foki szarej uzyskuje się z obserwacji lotniczych.

Odbywają się one na przełomie majai czerwca, czyli w okresie linienia fok szarych. Liczebność



ͳ͸Ͷ

zwierząt określa się na podstawie obserwacji lotniczych wykonywanych przez dwóch

obserwatorów zsamolotu lecącego z prędkością około110 km/h na wysokości ok 150ǦʹͲͲǤ

Obserwatorzy wykonują dokumentację fotograficzną z każdego wykonanego lotu

obserwacyjnego, dzięki czemu można określić dokładną liczbę fok. Dzięki wykonanym zdjęciom

możliwe jest także zidentyfikowanie foki co do gatunku. Monitoring foki szarej prowadzony

‘„‡ ‹‡™‘Ž• ‡Œ‡•–œ‰‘†ny z założeniami HELCOM co do spójnej metodyki zastosowanej przez

wszystkie kraje nadbałtyckie (HELCOM 2017b). Synchronizacja badań lotniczych, których termin

przypada na 2 tygodnie przełomu maja i czerwca, pozwala ograniczyć ryzyko podwójnego liczenia

–› h samych osobników, dzięki czemu możliwe jest przeprowadzenie analizy porównawczej

otrzymanych wyników. W –ƒ„‡Ž‹ʹǤͳǤͷprzedstawiono kryteria określenia dobrego stanu populacji

dla opisywanego wskaźnika.

ƒ„‡ŽƒʹǤͳǤͷǤ Kryterium określenia dobrego stanu populacji foki szarej na podstawie wskaźnika

„Liczebność populacji i trend liczebności foki szarej”Ǥ

Wskaźnik

Liczebność populacji i

trend liczebności foki

•œƒ”‡Œ

–ƒ†‘„”›ȋ Ȍ

Wzrost liczebności równy lub

wyższy niż 10% od wartości z

’‘’”œ‡†‹‡‰‘”‘—

Stan poniżej dobrego (subGES)

Wzrost liczebności poniżej 10%

Ž—„Œ‡Œ•’ƒ†‡



W II ocenie holistycznej, jako poziom referencyjny dla wskaźnika przyjęto 10% wzrost

liczebności całej populacji. Dla stanu dobrego (GES) uzgodniono wartość wzrostu liczebności

populacji jako nie niższą niż 3 punkty procentowe od poziomu referencyjnego Ǧ ƒ więc na

poziomie 7% (HELCOM 2015). Należy podkreślić, że poziom referencyjny (10%) odnosi się do

maksymalnie możliwego wzrostu liczebności w przypadku populacji całkowicie izolowanych.

Populacja bałtycka foki szarej spełnia ten warunek –Œ‡†ƒ™’”œ›’ƒ†ku stada występującego w

POM już tak nie jest. Stado foki szarej, które występuje na wyleżysku (polska nazwa haulǦ‘—–Ȍ

Ujście Wisłyǡ ‹‡ Œ‡•– „izolowaną" grupą zwierząt. Wzrost liczebności (rok do roku) nie jest

efektem rozrodu osobników wyłącznie tam występujących, ponieważ osobniki z rejonu Ujścia

Wisły nie prowadzą regularnego rozrodu w tym obszarze i są w początkowym stadium

rekolonizacji a wzrost liczebności jest realizowany przede wszystkim poprzez zasilanie stada z

zewnątrz.Tym samym do osiągnięcia ’‘œ‹‘—†‘„”‡‰‘stanu środowiska ȋ Ȍ™’”œ›’ƒ†—ˆ‘‹

szarej występującej w POM powinien zostać spełniony warunek wzrostu powyżej 10%.

Podobną sytuację gwałtownego wzrostu liczebności we wstępnej fazie rekolonizacji

œƒ‘„•‡”™‘™ƒ‘ƒ‘”Š‘Ž‹‡‘†ʹͲͲ͹”Ǥ, kiedy odnotowano pierwsze pojawiające się foki szare

(3 osobniki). W 2008 r. było to już 80 osobników oraz stwierdzono pierwszy rozród tego gatunku

ƒ™›•’‹‡Ǥ

Efekt znacznego, zasilanego z zewnątrz w początkowej fazie, wzrostu liczebności stada na

”‡‘Ž‘nizowanych terenach opisano też w przypadku foki szarej w rejonie Morza Wattowego.

Oszacowano też, że imigracja fok z innych kolonii mogła stanowić do 35% całkowitego wzrostu

liczebności populacji w latach 1985ǦʹͲͳ͵ȋ”ƒ••‡—”ʹͲͳͷȌǤ

W związku z dynamicznymi zmianami liczebności stada oraz niepewnością, co do statusu

”‘œ”‘†— ˆ‘‹ •œƒ”‡Œ ™ , charakterystycznych dla początkowej fazy rekolonizacji,

proponowane kryteria dla tych wskaźników przyjęto wyłącznie na lata †Žƒ ‘”‡•—ʹͲͳͳǦʹͲͳ͸Ǥ

”‘™ƒ†œ‘› ™ ‘Ž‡Œ› Š Žƒ–ƒ Š ‘‹–‘”‹‰ powinien stanowić podstawę ewentualnej rewizji

wartości progowych na podstawie otrzymanych wyników, jak i stanu całej populacji gatunku w

Morzu Bałtyckim. Wstępne dane z lat 2015 i 2016 wskazują na możliwe wypłaszczenie trendu

™œ”‘•–— ałej populacji w Bałtyku, co może pociągać za sobą istotne zmiany dla fok występujących

™™‘†ƒ Š”ƒŒ‘™› ŠǤ



Wskaźnik „Występowanie foki szarej”



Obecność osobników fok szarych Œ‡•– •–™‹‡”†œ‘ƒ ƒ ’‘†•–ƒ™‹‡ ‘‹–‘”‹‰— Ž‘–‹ œ‡‰‘

™‘”‡•‹‡‘†ƒ” ƒ†‘lipca. Monitorowanie występowania foki szarej obejmuje całe wybrzeże



ͳ͸ͷ

Polski, w tym piaszczyste łachy Ujścia Wisły oraz Ryf Mew na Zatoce Puckiej. Jednocześnie zdjęcia

lotnicze pozwalają na zdefiniowanie obszarów haulǦout na polskim wybrzeżu. W trakcie

’”œ‡prowadzonych badań potwierdzono występowanie jednego miejsca haulǦ‘—– ™ 

™Ujściu Wisły. Z dostępnych danych (Pawliczka 2012, HyllaǦƒ™”›‹—ʹͲͳ͹Ȍ™›‹ƒǡżeŒ‡•––‘

miejsce od lat odwiedzane przez foki szare i rokrocznie są ‘‡–ƒ•–ƒŽ‡‘„‡ ‡Ǥ–ƒ„‡Ž‹ʹǤͳǤ͸

przedstawiono kryteria określenia dobrego stanu środowiska w POM dla opisywanego

wskaźnika, które są zgodne z zaleceniami HELCOM (HELCOM 2017b).

ƒ„‡ŽƒʹǤͳǤ͸Ǥ Kryterium określenia dobrego stanu populacji foki szarej na podstawie wskaźnika

„Występowanie foki szarej”Ǥ

Wskaźnik

Występowanie foki

•œƒ”‡Œ

–ƒ†‘„”›ȋ Ȍ

Obecność foki •œƒ”‡Œƒ™•œ›•–‹ Š

œ†‡ˆ‹‹‘™ƒ› Š‘„•œƒ”ƒ ŠŠƒ—ŽǦ‘—–

’‘† œƒ•‘”‡•—‘‹–‘”‘™ƒ‹ƒ™

œƒ•‹‡Ž‹‹‡‹ƒ

Stan poniżej dobrego (subGES)

Obecność foki szarej nie stwierdzona

ƒ’”œ›ƒŒ‹‡ŒŒ‡†›œ‡

zdefiniowanych obszarów haulǦ‘—–

’‘† œƒ•‘”‡•—‘‹–‘”‘™ƒ‹ƒ™

œƒ•‹‡Ž‹‹‡‹ƒ



Wskaźnik „Stan reprodukcji foki szarej”



Stan reprodukcji foki szarej określa się na podstawie obecności samic w ciąży, karmiących

lub osobników juwenilnych w szacie „lanugo” stwierdzanych na podstawie monitoringu

lotniczego w miesiącach marzec i kwiecień. Obecnie, takie dane w okresie objętym oceną nie są

dostępne, ponieważ nie był prowadzony monitoring zgodny z zaleceniami HELCOM. Nie

potwierdzono regularnego rozrodu fok szarych w Ujściu Wisły w ramach monitoringu WWF

Polska i SMIOUG, prowadzonego za pomocą kamer, choć w okresie objętym oceną odnotowano

przypadki pojedynczych osobników w „lanugo”. W –ƒ„‡Ž‹ʹǤͳǤ͹przedstawiono kryteria określenia

dobrego stanu środowiska dla wymienionego wskaźnika.



ƒ„‡ŽƒʹǤͳǤ͹Ǥ Kryterium określenia dobrego stanu populacji foki •œƒ”‡Œ na podstawie wskaźnika „Stan

reprodukcji foki szarej”Ǥ

Wskaźnik

–ƒ”‡’”‘†— Œ‹ˆ‘‹•œƒ”‡Œ

–ƒ†‘„”›ȋ Ȍ

Liczba samic karmiących lub

młodych oraz samic w ciąży

•–ƒ‘™‹ ‘ƒŒ‹‡ŒͷΨ

liczebności populacji (stada)

Stan poniżej dobrego (subGES)

Liczba samic karmiących lub

młodych oraz samic w ciąży

stanowi mniej niż 5% liczebności

’‘’—Žƒ Œ‹ȋ•–ƒ†ƒȌ



Dla całej populacji bałtyckiej foki szarej w II ocenie holistycznej HELCOM przyjął wartość

referencyjną wskaźnika na poziomie 95% liczby wszystkich samic powyżej 6Ǧgo roku życia

(HELCOM 2017e). Dla oceny krajowej, w oparciu o wyznaczony wcześniej poziom wskaźnika

„Liczebność populacji i trend liczebności foki szarej” założono, że stan dobry – GES występuje

™przypadku, kiedy co najmniej 5% obserwowanego stada stanowią osobniki w lanugo/samice

karmiące lub samice w ciąży. Oznaczałoby to wówczas, że połowa zakładanego, ‹‹ƒŽ‡‰‘

wzrostu liczebności populacji (rok do roku) w POM jest możliwym efektem zasilania

wewnętrznego lokalnej populacji. Taki rozród miałby już charakter regularnego znaczącego

œŒƒ™‹•ƒ†ŽƒŽ‘ƒŽ‡‰‘•–ƒ†ƒǤ

Metoda oceny stanu foki szarej



‡–‘†ƒ ‹–egracji wskaźników w ramach oceny populacji foki szarej w POM polega na

zasadzie: OOAO (ang. „one-out-all-out”), w której wynik z najniższą oceną wyznacza całkowitą

ocenę (HELCOM 2017a). W przypadku wystąpienia dla jednego wskaźnika oceny poniżej stanu

†‘„rego (subGES) w danym roku, następuje ostatecznie przyjęcie oceny subGES dla stanu foki

szarej w tym roku. Ocena wieloletnia w wyniku integracji między ocenami rocznymi osiągnie

dobry stan środowiska ȋ Ȍ, jeśli w danym okresie wystąpią wszystkie roczne o ‡› Ž—„‹‡



ͳ͸͸

więcej niż 20% ocen wykazuje stan poniżej dobrego –subGES. Strukturę zintegrowanej oceny foki

•œƒ”‡Œ™œƒŽƒ–ƒʹͲͳͳǦʹͲͳ͸œƒ’”‡œ‡–‘™ƒ‘™–ƒ„‡Ž‹ʹǤͳǤͺǤ

ƒ„‡ŽƒʹǤͳǤͺǤ –”—–—”ƒœ‹–‡‰”‘™ƒ‡Œ‘ ‡›ˆ‘‹•œƒ”‡Œ™™”ƒƒ Š‘ ‡›™‹‡Ž‘Ž‡–‹‡ŒʹͲͳͳǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

‘†›œ

wyłączeniem

zalewów

Wskaźnik zastosowany w

krajowej „zintegrowanej ocenie

bioróżnorodności”

Liczebność populacji i trend

liczebności foki szarej

Występowanie foki szarej

–ƒ”‡’”‘†— Œ‹ˆ‘‹•œƒ”‡Œ

Integracja między

wskaźnikami –‘ ‡ƒ

”‘ œƒ

ȋƒ‰Ǥone-out-alloutȌ–jeśli jeden wynik

wskaźnika = subGES, to

‘ ‡ƒ”‘ œƒα•—„ 



 ‡ƒ™‹‡Ž‘Ž‡–‹ƒ

™‘”‡•‹‡‘ ‡›

™•œ›•–‹‡‘ ‡›”‘ œ‡

GES lub nie więcej niż

ʹͲΨ‘ ‡•—„ α

†Žƒ™‹‡Ž‘Ž‡ ‹ƒǢ

powyżej 20% ocen

”‘ œ› Š•—„ α

•—„ †Žƒ™‹‡Ž‘Ž‡ ‹ƒ

Ocena foki szarej za lata 2011-2016

Na potrzeby krajowej oceny stanu środowiska morskiego w zakresie ssaków morskich –

ˆ‘‹ •œƒ”‡Œ ™›‘”œ›•–ƒ‘ –”œ› ™ymienione wcześniej wskaźniki: „Liczebność populacji i trend

liczebności foki szarej”, „Występowanie foki szarej” oraz „Stan reprodukcji foki szarej”™‘’ƒ” ‹—

‘†ƒ‡’”œ‡†•–ƒ™‹‘‡™–ƒ„‡Ž‹ʹǤͳǤͻ. Zajęcie występujących na polskim wybrzeżu miejscŠƒ—ŽǦ‘—–

wskazano na podstawie dostępnych danych oraz obserwacji lotniczych w 2016 r. wykonywanych

w ramach pilotażowego wdrożenia monitoringu gatunków i siedlisk morskich – PMŚ

’”‘™ƒ†œ‘‡‰‘ ™ Žƒ–ƒ Š ʹͲͳͷǦ2018 (Opioła i in. 2016), (”›•Ǥ ʹǤͳǤͶǡ –ƒ„‡Žƒ ʹǤͳǤͳͲȌǤ „‡ ‹‡

•–™‹‡”†œ‘‘ Œ‡†›‡ ‹‡Œ• ‡ Šƒ—ŽǦout fok szarych na łasze w Ujściu Wisły. Współrzędne

geograficzne punktu środkowego haulǦout to 54,3694° N i 18,9495° E. Punkt środkowy wskazano

†Žƒ’‘Ž‹‰‘—ǡw obrębie, którego znajduje się haulǦ‘—–ǡ™›œƒ œ‘‡‰‘ƒ’‘†•–ƒ™‹‡‘„•‡”™ƒ Œ‹

’”œ‡’”‘™ƒ†œ‘› Š™†‹—ʹʹƒ” ƒʹͲͳ͹”Ǥ

ƒ„‡ŽƒʹǤͳǤͻǤ Źródło danych do oceny stanu foki szarej w POMǤ

„•œƒ”‘ ‡›

–ƒ Œƒ

‘†›œ

wyłączeniem

zalewów 

Ujście Wisły –

‘„‡ ‹‡Œ‡†›‡

•–™‹‡”†œ‘‡‹

zgłoszone do

‹‡Œ• ‡

Šƒ—ŽǦ‘—–ˆ‘•œƒ”› Š

™



Wskaźnik/Źródło danych

Liczebność

Występowanie

–ƒ

’‘’—Žƒ Œ‹‹–”‡†

”‡’”‘†— Œ‹

liczebności

ʹͲͳͳǦʹͲͳ͸–

ʹͲͳͳǦʹͲͳ͸–„ƒœƒ

ʹͲͳͳǦʹͲͳ͸–

„ƒœƒ 

 ‘Ž•ƒǡ

„ƒœƒ 

‘Ž•ƒ

  

‘Ž•ƒǡ

ʹͲͳ͸ǦPMŚ

ʹͲͳ͸ǦPMŚ

  

ƒ„‡ŽƒʹǤͳǤͳͲǤ Zestawienie wyników monitoringu lotniczego, prowadzonego w ramach PMŚ w 2016 r.

™POM (Opioła i in. 2016)Ǥ

ƒ–ƒŽ‘–—







ʹͺǤͲͶǤʹͲͳ͸

ʹ͵ǤͲͷǤʹͲͳ͸

ͶǦͷǤͲ͸ǤʹͲͳ͸

ʹͷǤͲ͹ǤʹͲͳ͸

‹ œ„ƒˆ‘™”‡Œ‘‹‡

Ujścia Wisły (haulǦ‘—–Ȍ

ͳ͸ͺ

ͳʹͲ

Ͷ

ͺ

ͳ͸͹

‹ œ„ƒƒ”–™› Š

osobników

Ͳ

Ͳ

Ͳ

Ͳ

›•ǤʹǤͳǤͶǤ

„•œƒ”‘ ‡›‹‘‹–‘”‘™ƒ›Šƒ—ŽǦ‘—–ˆ‘‹•œƒ”‡Œ™Ǥ

Poz. 230





Utrzymujący się od wielu lat haulǦout foki szarej w rejonie piaszczystej łachy w ujściu Wisły

jest regularnie monitorowany (od 2010 r.) przez WWF Polska oraz Stację Morską Uniwersytetu

Gdańskiego (SMIOUG). Dane zbierane są za pomocą kamer i przedstawiane wpostaci maksimów

miesięcznych (WWF) lub liczone za pomocą modelu (SMIOUG), czyli innąmetodą niż zalecana

przez HELCOM i zastosowaną w ramach PMŚ (obserwacje z samolotu, podawanie maksimów

liczebności z 2 lotów wykonywanych na przełomie maja i czerwca). ednocześnie, o ile dane

’‘œ›•ƒ‡’”œ‡œ ȋ ›ŽŽƒǦWawryniuk 2017) są kompletne dla lat niniejszej oceny, to dane

SMIOUG zgłoszone do bazy HELCOM, dotyczą wyłącznie lat 2015 i 2016 Ǧ stąd możliwość ich

użycia do oceny parametrycznej jest zależna od rozpatrywanego wskaźnika. Dane WWF można

zastosować dla wskaźnika „Liczebność i trend liczebności foki szarej”ǡƒ–‘‹ƒ•–†ƒ‡  ‹‡

znajdują zastosowania do ocen›œƒŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ǥ

Bazując na dostępnych danych (WWF Polska, SMIOUG) należy mocno podkreślić

’oczątkowy charakter zjawiska rekolonizacji, który cechuje: 

ͳȌ „ardzo niski udział ocenianego stada w ogólnej liczebności populacji foki szarej w Morzu

Bałtyckim –przy założeniu około 30 tys. osobników dla całego obszaru Morza Bałtyckiego

™ʹͲͳ͸”Ǥȋ ʹ017a) polskie stado stanowi dużo poniżej 1% liczebności populacjiǢ

™ przypadku maksymalnej odnotowanej w 2016 r. liczebności 120 osobników (PMŚ)

będzie to 0,4% liczebności Bałtyckiego stadaǢ

ʹȌ †uża zmienność międzyletnia oraz sezonowa liczebności stada foki szarej w obrębie

•–ƒ‘™‹•ƒȋ–ƒ„‡ŽƒʹǤͳǤͳͳȌwskazująca na zasilanie stada osobnikami z innych rejonów

Morza Bałtyckiego; 

͵Ȍ „”ƒ’‘–™‹‡”†œ‡‹ƒ•›•–‡ƒ–› œ‡‰‘”‘œ”‘†—‰ƒ–——™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ ‘Ž•ƒǡ

  ȌǤ









ͳ͸ͺ

ƒ„‡ŽƒʹǤͳǤͳͳǤ Maksymalne liczebności fok odnotowywane w ujściu Wisły (Przekop Wisły). Dane dla

wszystkich gatunków fok na ’‘†•–ƒ™‹‡ ‘‹–‘”‹‰— Šƒ—ŽǦ‘—–   ‘Ž•ƒǤ ƒ•›ƒŽƒ

liczba fok pospolitych widzianych jednocześnie w tym rejonie to 2, fok obrączkowanych –ͳǤ

ƒ żółt‘ zaznaczono miesiące majǦczerwiec, które odpowiadają czasowemu przedziałowi

’”‘™ƒ†œ‡‹ƒ‘‹–‘”‹‰—œ‰‘†‡‰‘œ™›–› œ›‹ Ǥ

Miesiąc

Styczeń

—–›

ƒ”œ‡ 

Kwiecień

ƒŒ

œ‡”™‹‡ 

‹’‹‡ 

Sierpień

Wrzesień

Październik

‹•–‘’ƒ†

Grudzień

ƒ•‹—

™”‘—

ʹͲͲͻ

Ͷ

ʹ

ʹ

ͳ

͹

Ͷ

͸

͸

ͳʹ

ͳ͵

Ͷ

Ͷ

ͳ͵

Źródło: WWF PolskaǤ

ʹͲͳͲ

Ͷ

Ǧ

ͳ

͵

Ͷ

͸

ͳͷ

ͳʹ

ͻ

ͳʹ

ͺ

Ͷ

ͳͷ

ʹͲͳͳ

͵

͵

ͳ

Ͷ

ͳͻ

ʹ͵

ʹʹ

ʹʹ

ʹͲ

ʹͳ

ͳʹ

ʹͷ

ʹͷ

ʹͲͳʹ

ͳʹ

ͳ

ʹ

͹

ʹͷ

Ͷͳ

ͷͷ

Ͷͻ

͸ͳ

ʹʹ

ʹͺ

ͳͲ

͸ͳ

‘

ʹͲͳ͵

ͳʹ

͸

ͳʹ

ͶͲ

ͷͳ

͵ͷ

͹͹

ͻͶ

͵ͳ

ʹ͵

ʹͶ

Ͷʹ

ͻͶ

ʹͲͳͶ

ͳ͵

ͳͺ

ͶͲ

ͳͳͳ

͹Ͳ

ͷͲ

ͷͲ

͹Ͳ

ͻͳ

͸Ͳ

ͳ͸ͷ

ͷ͹

ͳ͸ͷ

ʹͲͳͷ

͵Ͳ

ʹͲ

ͳͻ

ͳͲͲ

͸Ͳ

͵Ͳ

ͳʹͲ

ͳʹ

ͳʹ

ͳͲͲ

ʹͲͷ

ͳͷͲ

ʹͲͷ

ʹͲͳ͸

ͳͲͲ

ͳͷͲ

ͳʹͲ

ʹͻͲ

ͳ͹Ͳ

ͳͷͲ

ͷ

ͳͲͲ

ͳͲͲ

ͺͲ

ͳ͵Ͳ

ͳͲͲ

ʹͻͲ

W oparciu o krzywą trendu (”›•Ǥ ʹǤͳǤͷ) można stwierdzić, że w POM rozpoczęła się

początkowa faza rekolonizacji przez foki. Należy podkreślić, że jest to wykładniczy model

†‘’ƒ•‘™ƒ‹ƒ œ ”‡Žƒ–›™‹‡ ™›•‘‹ ’‘œ‹‘‡ †‘’ƒ•‘™ƒ‹ƒ ȋʹ), nieuwzgledniającym jednak

czynników takich jak śmiertelność (liczba osobników lub procent) populacji, które giną zróżn› Š

’”œ› œ› ȋ™ –› œ ’”œ› œ› ƒ–—”ƒŽ› ŠȌ ™ †ƒ‡Œ Œ‡†‘•– ‡ œƒ•— ȋ”‘Ȍǡ ’”œ›”‘•– ƒ–—”ƒŽ›

(różnica pomiędzy liczbą narodzin a śmiertelnością) Ǧczy migracja (liczba osobników zasilająca

daną populację z zewnątrz). 



›•ǤʹǤͳǤͷǤ





”œ›™ƒ–”‡†—™œ”‘•–—Ž‹ œ‡„ności foki szarej w Ujściu Wisły (Žƒ–ƒʹͲͲͶǦʹͲͲͺƒ’‘†•–ƒ™‹‡

–ƒ™Ž‹ œƒ‹‹ǤʹͲͳʹǢŽƒ–ƒʹͲͲͻǦ2016 na podstawie maksymalnych wartości majǦ œ‡”™‹‡ 

œ–ƒ„‡Ž‹ʹǤͳǤͳͳȌǤ

ͳ͸ͻ

Ocena na podstawie wskaźnika „Liczebność populacji i trend liczebności foki szarej”



ƒ‡œƒŽƒ–ƒʹͲͳͳǦ2016 prezentowane przez WWF Polska, choć nie są zgodne z metodyką

HELCOM, są opracowane w sposób niezmienny, czyli zapewniający stały błąd stosowanej metody.

Takie dane mają charakter zgodny z zasadami wyznaczania trendu i wyraźnie wskazują na

systematyczny wzrost liczebności gatunku w rejonie haulǦout. Zarówno dane pochodzące

œmiesięcy majǦczerwiec jak i dla całego roku (maksymalne liczebności nie zawsze występowały

w tych miesiącach) wskazują na rosnący trend liczebności. Jednocześnie, średnioroczny wzrost

liczebności populacji foki szarej w tym rejonie wynosił w latach 2011Ǧ2016 około 90%. 

Danych tych nie można jednak porównać z danymi PMŚ, zebranymi zgodnie z metodyką

ǡ‹‡†›–‘™”‘—ʹͲͳ͸‘dnotowano 168 osobników. Stąd nie można wystawić oceny dla

tego wskaźnika w oparciu o łączne dane PMŚ i WWF, jednak można zestawić dane wzrostu

liczebności stada tylko w oparciu o dane WWF Polska bez włączania do oceny bezwzględnej liczby

ˆ‘Ǥ  –ƒ‹ ’”œ›padku, przy rosnącym trendzie liczebności populacji oraz średniorocznym

przyroście na poziomie powyżej zakładanych 10%, ocena tego wskaźnika wskazuje na stan dobry

ȋ Ȍȋ–ƒ„‡ŽƒʹǤͳǤͳʹȌǤ

ƒ„‡ŽƒʹǤͳǤͳʹǤ  ‡ƒ•–ƒ—ˆ‘‹szarej na podstawie wskaźnika „Liczebność populacji i trend liczebności foki

szarej”†Žƒ‘”‡•—ʹͲͳͳǦʹͲͳ͸™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

‘†›POM z wyłączeniem zalewów

ʹͲͳͳǦʹͲͳ͸





e wstępnej ocenie stanu środowiska wód morskich polskiej strefy Morza Bałtyckiego za

Žƒ–ƒʹͲͲͷǦ2010 nie dokonano oceny w oparciu o ten wskaźnik z uwagi na brak wystarczających

†ƒ› ŠȋGIOŚ ʹͲͳͶȌǤ

Ocena na podstawie wskaźnika „Występowanie foki szarej”

 Žƒ–ƒ Š ʹͲͳͳǦ2016 foka szara występowała co roku na jedynym wyleżysku gatunku w

Ujściu Wisły. Dane WWF Polska wskazują na stałe wykorzystanie tego miejsca w przeciągu całego

”‘—ǤŽƒ–ƒ ŠʹͲͳͳǦ2016 foka szara występowała systematycznie w tym rejonie w każdym z 12

miesięcy. Monitoring PMŚ potwierdził systematyczne występowanie gatunku w rejonie haulǦ‘—–

™ʹͲͳ͸”Ǥȋ–ƒ„‡ŽƒʹǤͳǤͳͲǤȌ‹‘ ‡na tego wskaźnika wskazuje na stan dobry (–ƒ„‡ŽƒʹǤͳǤͳ͵ȌǤ

ƒ„‡ŽƒʹǤͳǤͳ͵Ǥ  ‡ƒ•–ƒ—ˆ‘‹szarej na podstawie wskaźnika„Występowanie foki szarej”†Žƒ‘”‡•—ʹͲͳͳǦ

ʹͲͳ͸™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

Wody POM z wyłączeniem zalewów

ʹͲͳͳǦʹͲͳ͸





Natomiast we wstępnej ocenie stanu środowiska wód morskich polskiej strefy Morza

Bałtyckiego za lata 2005 ǦʹͲͳͲœ—™ƒ‰‹ƒbrak opracowanego wskaźnika nie uwzględniono go

™‘ ‡‹‡ȋGIOŚ ʹͲͳͶȌǤ

Ocena na podstawie wskaźnika „Stan reprodukcji foki szarej”

 ramach monitoringu PMŚ nie stwierdzono rozrodu gatunku. Jednocześnie odnotowano

wyłącznie sporadycznie występowanie młodych ˆ‘ ™ Žƒ—‰‘ ȋ™ ʹͲͳͳ ”Ǥ ‘”ƒœ ™ ʹͲͳ͸ ”Ǥ

odnotowano poród foki w rejonie Ujścia Wisły) w ramach monitoringu WWF Polska/SMIOUG.

Dostępne informacje, cytowane wcześniej, wskazują, że jest to stały rozród jednak na poziomie

poniżej 5% liczebności stada ȋ–ƒ„‡ŽƒʹǤͳǤͳͶȌǤ

ƒ„‡ŽƒʹǤͳǤͳͶǤ  ‡ƒ •–ƒ— ˆ‘‹ szarej na podstawie wskaźnika „Stan reprodukcji foki szarej” †Žƒ ‘”‡•—

ʹͲͳͳǦʹͲͳ͸™ȋ ǡ•—„ ȌǤ





„•œƒ”‘ ‡›

Wody POM z wyłączeniem zalewów

ʹͲͳͳǦʹͲͳ͸

•—„ 

ͳ͹Ͳ

Natomiast we wstępnej ocenie stanu środowiska wód morskich polskiej strefy Morza

Bałtyckiego za lata 2005Ǧ2010 nie dokonano oceny w oparciu o ten wskaźnik z uwagi na „”ƒ

wystarczających danych (GIOŚ ʹͲͳͶȌǤ

Ocena zintegrowana dla foki szarej

Biorąc pod uwagę wyniki ocen za poszczególne lata w okresie od 2011 ”Ǥ†‘ʹͲͳ͸”Ǥ‘”ƒœ

przyjęte zasady przeprowadzenia oceny wieloletniej przedstawione w –ƒ„‡Ž‹ʹǤͳǤͳͷ‘”ƒœƒ”›•Ǥ

ʹǤͳǤ͸–wieloletnia zintegrowana ocena końcowa za lata 2011ǦʹͲͳ͸†Žƒˆ‘‹•œƒ”‡Œ™•ƒœ—Œ‡ƒ

stan poniżej dobrego –•—„ Ǥ

ƒ„‡ŽƒʹǤͳǤͳͷǤ ‹–‡‰”‘™ƒƒ‘ ‡ƒ•–ƒ—ˆ‘‹•œƒ”‡ŒȋHalichoerus grypusȌ™œƒŽƒ–ƒʹͲͳͳǦʹͲͳ͸(źródło

danych PMŚ, WWF, SMIOUG, HELCOM)Ǥ

‘

ƒ—ŽǦout Ujście Wisły

Liczba osobników /

”‡†Ψȗ

ʹͲͳͳ

ʹ͵Ȁʹͺ͵Ψ

Wskaźnik

„Liczebność

populacji i

trend

liczebności

foki szarej”

Ǧ

ʹͲͳ͵

ͷͳȀʹͶΨ



ʹͲͳʹ

ͶͳȀ͹ͺΨ

ʹͲͳͶ

͹ͲȀ͵͹Ψ

ʹͲͳͷ

͸ͲȀǦͳͶΨ

ʹͲͳ͸

ͳ͹Ͳȋͳ͸ͺȗȗȌȀͳͺ͵Ψ

Ocena roczna wskaźnika

skaźnik

Wskaźnik 

„Występowanie foki

„Stan

szarej”

reprodukcji foki

szarej”





•—„ 

•—„ 



•—„ 

•—„ 







•—„ 



Wielolecie 2011-2016





•—„ 

•—„ 

•—„ 

•—„ 

* Dane WWF Polska – maksimum z miesięcy maj-czerwiec = 293 (dotyczy także tabeli na stronie 161).

** Wartości odnotowane zgodne z metodyką HELCOM w ramach PMŚ.



ͳ͹ͳ

‹–‡‰”‘™ƒƒ

‘ ‡ƒ”‘ œƒ

•—„ 

•—„ 

•—„ 

•—„ 

•—„ 

›•ǤʹǤͳǤ͸Ǥ

Poz. 230

Zintegrowana ocena stanu fok szarych w polskiej strefie Bałtyku œƒŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ǥ

Wiarygodność oceny foki szarej za lata 2011-2016

Wynik wiarygodności oceny foki szarej z danych za lata 2011Ǧ2016 wykonany dla każdego

ze wskaźników oraz dla oceny całościowej przedstawiony został w –ƒ„‡Ž‹ʹǤͳǤͳ͸ȌǤ

ƒ„‡ŽƒʹǤͳǤͳ͸Ǥ Wynik wiarygodności oceny foki szarej ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸™Ǥ

Składowe

wiarygodności

Wiarygodność

œƒ•‘™ƒ

Wiarygodność

’”œ‡•–”œ‡ƒ

Wiarygodność

Žƒ•›ˆ‹ƒ Œ‹

Wiarygodność

‡–‘†›‹

Uśredniona wartość

wiarygodności

wskaźnika (WW)

Ocena wiarygodności

†Žƒ‘„•œƒ”—‘ ‡›

ȋȌ–ǡʹͲͳͳǦ

ʹͲͳ͸

Wskaźnik „Liczebność

populacji i trend

liczebności foki szarej”

ͳ

Wskaźnik

„Występowanie foki

szarej”

Wskaźnik „Stan

reprodukcji foki szarej”

ͳ

ͳ

ͳ

ͳ

Ͳǡͷ

ͳ

ͳ

ͳ

Ͳǡͷ

ͳ

Ͳǡ͹ͷ

ͳ

Ͳǡͺ͹

Ͳǡ͸͸–status wiarygodności: średni

Ͳǡͷ



Dla wszystkich wskaźników wiarygodność czasowa i przestrzenna wynosi 1, ponieważ

wszystkie były monitorowane w pełnym okresie oceny oraz w obrębie jedynego miejsca haulǦ‘—–

Ujście Wisły (WWF Polska, SMIOUG, PMŚ). Dla wskaźnika „Stan reprodukcji foki szarej”

wiarygodność klasyfikacji i metodyki wynoszą 0,5, gdyż ocenę oparto wyłącznie o informacje



ͳ͹ʹ



pochodzące z ośrodków prowadzących monitoring przy pomocy kamer (WWF Polska, SMIOUG) a

nie o dane liczbowe raportowane do HELCOM (SMIOUG w tym okresie nie raportował tego

’ƒ”ƒ‡–”— ’‘‹‘ ’”‘™ƒ†œ‡‹ƒ ‘‹–oringu). W przypadku wskaźnika „Liczebność i trend

liczebności foki szarej”z uwagi na fakt, że dane: „maksymalne liczebności” WWF Polska podaje dla

całych miesięcy, a nie jak wymaga metodyka HELCOM –dla zawężonego czasowo okresu dwóch

‘•–atnich tygodni maja i dwóch pierwszych czerwca, wiarygodność metodyki też wynosi 0,5. Z

powyższej analizy wiarygodności wynika, że jej status dla foki szarej w obrębie POM jest średni i

™›‘•‹Ͳǡ͸͸ȋ–ƒ„‡ŽƒʹǤͳǤͳ͸ǡ”›•ǤʹǤͳǤ͹ȌǤ



›•ǤʹǤͳǤ͹Ǥ

Wiarygodność oceny stanu fok szarych w polskiej strefie Bałtyku za lata 2011ǦʹͲͳ͸Ǥ



Ocena morświna za lata 2011-2016

‘‹–‘”‹‰morświna w ramach Państwowego Monitoringu Środowiskƒ(PMŚ) rozpoczął

się w POM w 2016 r., stąd jego wyniki nie stanowią podstawy do oceny parametrycznej za lata

ʹͲͳͳǦ2016. Jednocześnie z uwagi na brak uzgodnionych poziomów referencyjnych i

”‡‘‡†‘™ƒ› Š przez HELCOM wskaźników oraz ich wartości progowych GES/subGES, a

przede wszystkim brak wiarygodnych danych do oceny tego gatunku, został on wyłączony ze

„zintegrowanej oceny bioróżnorodności” dla składowej ekosystemu „ssaki morskie”, a jego ocena

w obrębi‡  œƒ Žƒ–ƒ ʹͲͳͳǦ2016 jest wykonana w sposób opisowy na podstawie II oceny

Š‘Ž‹•–› œ‡Œȋ ʹͲͳ͹ƒȌǤ

W chwili obecnej brak jest wystarczających danych dotyczących liczebności populacji

morświna za lata podlegające ocenie, a ich ewentualne pozyskanie w ‘’ƒ” ‹— ‘ ƒŽ‰‘”›–

wypracowany w ramach projektu SAMBAH jest, z jednej strony, opatrzone dużym błędem

(SAMBAH 2017), z drugiej strony, może odnosić się wyłącznie do 1 sezonu (2016 r.), kiedy

prowadzono monitoring PMŚ. Ostatni z wymienionych argumentów nie †ƒŒ‡ ’‘†•–ƒ™ †‘

wyliczenia, a co za tym idzie, zastosowania krzywej trendu liczebności populacji, a także obliczeń

opartych na tej podstawie. Jednocześnie, nie jest możliwe użycie wskaźnika „Występowanie

morświna”ǡ œ —™ƒ‰‹ ƒ „”ƒ ‘”‘ œ‡‰‘ ‘‹–‘”‹‰— ‘”ƒœ †ƒ› Š Ž‹–‡”ƒ–—”‘™› Š



ͳ͹͵

potwierdzających występowanie gatunku w ujęc‹—”‘Ǧ†‘Ǧ”‘—™™›œƒ œ‘› Š†‘‘‹–‘”‹‰—

‘„•œƒ”ƒ Š™Ǥ

Ocena holistyczna przyjęta w całości dla morświna w ocenie krajowej, jest z całą pewnością

najlepszym rozwiązaniem, z jedneŒ •–”‘› œ —™ƒ‰‹ ƒ „”ƒ ’”‘™ƒ†œ‘‡‰‘ ƒ ‘„•œƒ”œ‡ 

stałego monitoringu pozwalającego na taką ocenę parametryczną, z drugiej strony, na objęcie nią

całej populacji (z rozdziałem na populacje Bałtyku Właściwego i zachodniego Bałtyku), której

częścią są osobniki odnotowywane w wodach POM. Wskazując na zasadność takiego podejścia,

kierowano się przede wszystkim kryterium jakości danych oraz możliwości ich zastosowania z

wysokim współczynnikiem wiarygodności. Należy w tym miejscu podkreślić, że sam fakt takie‰‘

podejścia nie oznacza rezygnacji z zasadności prowadzenia monitoringu w POM – wręcz

’”œ‡ ‹™‹‡ Ǧ dotychczasowe wyniki wskazują, że tylko systematyczny i zgodny z metodyką

HELCOM (Michałek i in. 2016) monitoring morświna pozwoli w kolejnych latach na ocenę ich

stanu w POM. Jest to o tyle istotne, że z całą pewnością kolejne lata pozwolą na szacowanie

liczebności morświna.

Większość badań przeprowadzona w latach 2011Ǧ2013 skupiona była na pasywnym

monitoringu akustycznym (SAMBAH 2017) i potwierdziła obecność dwóch subpopulacji

morświnów w Bałtyku: jednej występującej głównie na wschód od Bornholmu na terenie Bałtyku

Właściwego i drugiej, na obszarze południowego Kattegatu, Cieśnin Duńskich (Wielki Bełt) i

południowoǦzachodniego Bałtyku (SAMBAH 2017, ”›•Ǥ ʹǤͳǤͺȌǤ ƒ†ƒ‹ƒ ‰‡‘‹‹ ’‘’—Žƒ ›Œ‡Œ

wskazały zauważalne różnice pomiędzy morświnami z wyżej wymienionych obszarów (Lah i in.

ʹͲͳ͸ȌǤ

Subpopulacja morświna Bałtyku Właściwego została uznana za krytycznie zagrożoną

wyginięciem i umieszczona na Czerwonej Liście HELCOM (HELCOM 2013b). Liczba zwierząt w tej

subpopulacji jest szacowana na około 500 osobników (przedział ufności estymacji wynosi 95% w

œƒ”‡•‹‡ͺͲǦ1091 osobników). Duża część tej subpopulacji występuje latem, w czasie godów i

rozrodu, na płytkich ławicach na południowyǦwschód od Gotlandii.

Subpopulacja z obszarów Kattegat, Wielki Bełt i Bałtyk Zachodni została oszacowana na

około 40 500 osobników (przedział ufności 95% dla estymacji pomiędzy 25614 a 65041

osobników) w czasie badań wizualnych przeprowadzanych metodą transektową (Viquerat i in.

2013). Ta subpopulacja została uznana za zagrożoną przez HELCOM, jednak z niższym statusem

zagrożenia określanym jako „ƒ”ƒżony”.

Morświny wymagają ścisłej ochrony na ’‘†•–ƒ™‹‡ †›”‡–›™› ƒ†› ͻʹȀͶ͵Ȁ  œ †‹ƒ ʹͳ

ƒŒƒͳͻͻʹ”Ǥ™•’”ƒ™‹‡‘ Š”‘›•‹‡†Ž‹•’”œ›”‘†‹ œ› Š‘”ƒœ†œ‹‹‡Œˆƒ—›‹ˆŽ‘”›ȋœǤ”œǤ

ʹͲ͸œʹʹǤͲ͹Ǥͳͻͻʹǡ•–”Ǥ͹ǡœ’óźǤœǤǦœǤ”œǤ‘Ž•‹‡™›†ƒ‹‡•’‡ ŒƒŽ‡ǡ”‘œ†œǤͳͷǡ–Ǥʹǡ•–”Ǥ

ͳͲʹǡ œ ’óźn. zm.), zwanej dalej „d›”‡–›™ą •‹‡†Ž‹•‘™ą”, i są wymienione w załączniku  †‘

†›”‡–›™›•‹‡†Ž‹•‘™‡Œ(zwierzęta i rośliny, które wymagają ścisłej ochrony). 

Stan zachowania populacji morświnów w ocenie przygotowanej na potrzeby †›”‡–›™›

•‹‡†Ž‹•‘™‡Œ œƒ Žƒ–ƒ ʹͲͲ͹Ǧ2012 został oceniony jako zły przez wszystkie kraje nadbałtyckie

raportujące dane o morświnie, czyli Danię, Niemcy, Polskę i Szwecję. Sytuacja morświƒ ™

Bałtyku jest uwzględniona w Planie Odtworzenia Morświnów Bałtyckich (Jastarnia Plan,

ʹͲͲͻȌ‹™”‡‘‡†ƒ Œ‹ ͳ͹Ȁʹȋ ʹͲͳ͵ ȌǤ







ͳ͹Ͷ







›•ǤʹǤͳǤͺǤ



Ptaki

Przewidywane prawdopodobieństwo detekcji morświnów w okresie miesiąca,

™przedziałach majǦpaździernik (lewa mapa) i listopadǦkwiecień (prawa mapa).

Czarna izolinia wskazuje obszar, gdzie prawdopodobieństwo detekcji wynosi 20% (izolinia

20% w legendzie mapy oddzielająca kolory jasny niebieski i ‹‡„‹‡•‹Ȍǡ ‘ ’‘”›™ƒ ‘„•œƒ”

występowania około 30% całej populacji morświna. Granica ta jest często używana do

wyznaczania obszarów o dużym zagęszczeniu morświnów. Linia kropkowana na rysunku z

lewej wyznacza granicę pomiędzy populacją morświna z Cieśnin Duńskich (Wielki Bełt) i

populacją Bałtyku Właściwego podczas obserwacji z okresu majǦpaździernik (SAMBAH 2017).

Jest to również granica pomiędzy sąsiadującymi obszarami zarządzania Bałtyku Właściwego

w czasie lata. Biały obszar –‹‡był„ƒ†ƒ›™’”‘Œ‡ ie SAMBAH (Źródło: SAMBAH 2017)Ǥ

Wskaźniki HELCOM dla poszczególnych basenów i całego Bałtyku

Dane uzyskiwane w poszczególnych krajach nadbałtyckich, w tym w Polsce w ramach

programów monitoringowych, są agregowane przez współpracujących z HELCOM naukowców do

trzech wskaźników podstawowych (core indicators) opisujących stan awifauny: 

ͳȌ wskaźnik liczebności zimujących ptaków wodnych (Abundance of waterbirds in the

wintering seasonȌȋ ʹͲͳͺƒȌǢ

ʹȌ wskaźnik liczebności lęgowych ptaków wodnych (Abundance of waterbirds in the breeding

seasonȌȋ ʹͲͳͺ„ȌǢ

͵Ȍ wskaźnik produktywności bielika (White-tailed eagle productivityȌȋ ʹͲͳͷƒȌǤ

’—„Ž‹‘™ƒ‡ ™ ”ƒƒ Š ‘ ‡› ™›‹‹ odnosza się do trzech wyżej wymienionych

wskaźnikówǤ

Wskaźniki odpowiadają kryteriomi standardom metodologicznym dotyczącym określenia

dobrego stanu środowiska (art. 9 ust. 3 , wymienione w części II œałącznika do †‡ ›œŒ‹

ʹͲͳ͹ȀͺͶͺȌ ‘”ƒœ ’‘™‹› odpowiadać wymaganiom †›”‡–›™› ʹͲͳ͹ȀͺͶͷ ‘ †‘ ‡ Š ͳǡ Ͷ ‹ ͸

odnoszących się do stanu. Wskaźniki rekomendowane do oceny krajowej za lata 2011ǦʹͲͳ͸

zostały przypisane do odpowiednich kryteriów zgodnych z †ecyzją ʹͲͳ͹ȀͺͶͺi są przedstawione

™–ƒ„‡Ž‹ʹǤͳǤͳ͹ǤDla POM stosuje się jedynie kryteria podstawowe.

Kryterium D1C2 odnoszące się do liczebności populacji jest reprezentowane przez dwa

wskaźniki podstawowe: wskaźnik liczebności zimujących ptaków wodnych oraz wskaźnik

liczebności lęgowych ptaków wodnych. Konsekwencją takiego stanu rzeczy są dwie wartości

‹ndeksów liczebności dla lat 2011Ǧ2016 dla gatunków, które wchodzą w skład obu wskaźników.

‡†ƒœ‰‘†‹‡œ†ecyzją 2017/848 państwa członkowskie ostatecznie powinny podać jedną

ocenę dobrego stanu środowiska dla gatunku. Do 12 œ‡”™ ƒʹͲͳͺ”Ǥ‹‡’”œedstawiła jednak

jasnych wytycznych co do metody integracji wyników gatunkowych w obu wskaźnikach. W

aktualizacji oceny stanu środowiska morskiego dla wód morskich zastosowano metodę OOAO



ͳ͹ͷ

(ang. „oneǦ‘—–ǦƒŽŽǦout”), a szczegółowy opis integracji znajduje się ™ ”‘œ†œ‹ƒŽ‡ 2.1 w części

„Metoda oceny stanu ptaków”Ǥ



ͳ͹͸



Ͷͳ







ͺʹ

ͳ͵

ͶͶ

Ͷʹ

Ͷͳ

ͳ͹͹

Wskaźnik

’‘†•–ƒ™‘™›

Liczebność populacji gatunków nie ucierpiała z powodu oddziaływań

antropogenicznych, więc jest zapewniona jej długoterminowa żywotność.

Wskaźnik zmian

Zasięg gatunków i, w stosownych przypadkach, struktura Œ‡•–œ‰‘†ƒœ

liczebności

dominującymi warunkami fizjograficznymi, geograficznymi i klimatycznymi.

zimujących

ptaków

Różnorodność (skład gatunków, a także ich względna liczebność) w grupie

™‘†› Š

troficznej nie została naruszona ze względu na oddziaływaniaǤ



ƒ–”‘’‘‰‡‹

œ‡Ǥ

Równowaga całkowitej liczebności

pomiędzy

grupami troficznymi nie została

naruszona ze względu na oddziaływania antropogeniczne.

Liczebność populacji gatunków nie ucierpiała z powodu oddziaływań

antropogenicznych, więc jest zapewniona jej długookresowa żywotność

Rozkład wielkości osobników w grupie troficznej nie został naruszony ze

względu na oddziaływania ƒ–”‘’‘‰‡‹ œ‡Ǥ

Wskaźnik zmian

Zasięg gatunków i, w stosownych przypadkach, struktura jest zgodna z

liczebności

dominującymi warunkami fizjograficznymi, geograficznymi i klimatycznymi.

lęgowych

Różnorodność (skład gatunków, a także ich względna liczebność) w grupie

ptaków

troficznej nie została naruszona ze względu na oddziaływania

™‘†›

Š

ƒ–”‘’‘‰‡‹ œ‡Ǥ

Równowaga całkowitej liczebności pomiędzy grupami troficznymi nie została

naruszona ze względu na oddziaływania antropogeniczne

Wydajność grupy troficznej nie została naruszona ze względu na

oddziaływania antropogeniczne.

Zdrowie gatunków i stan siedlisk nie zostały negatywnie dotknięte z ’‘™‘†—

substancji zanieczyszczających, w tym poprzez skutki kumulacyjne i

•›‡”‰‹ œ‡Ǥ

Wskaźnik

produktywności

Właściwości demograficzne populacji (np. wielkość ciała lub struktura klas

„‹‡Ž‹ƒ

™‹‡‘™› Šǡ•–‘•—‡płci, wskaźnik płodności i wskaźnik przeżywalności)

gatunków wskazują na zdrową populację, która nie ucierpiała z powodu

oddziaływań antropogenicznych.

’‹•”›–‡”‹—œƒ†ecyzją 2017/848

– 186 –



ͺǦ•—„•–ƒ Œ‡

ƒ–—‹‹•‹‡†Ž‹•ƒ zanieczyszczające

zagrożone

œƒ‹‡ œ›•œ œ‡‹‡

ͳǦróżnorodność



„‹‘Ž‘‰‹ œƒ



ͶǦ‰”—’›

–”‘ˆ‹ œ‡

‡‘•›•–‡—

ͳͶ

ͳ͵







Ͷʹ

ͳʹ



ͳǦróżnorodność

„‹‘Ž‘‰‹ œƒ

ͶǦ‰”—’›

–”‘ˆ‹ œ‡

‡‘•›•–‡—

ͳͶ



ͳʹ

ͳǦróżnorodność

„‹‘Ž‘‰‹ œƒ



”›–ʹ

”›–ͳ

‡ Šƒ

Monitor Polski

–ƒ‹

Ž‡‡–

kryteriów



ƒ„‡ŽƒʹǤͳǤͳ͹Ǥ Wskaźniki do oceny awifauny zgodnie z †ecyzją 2017/848 Kryt1 –”›–‡”‹—’‘†•–ƒ™‘™‡ǡ”›–ʹ–”›–‡”‹—drugorzędneǤ„zintegrowanej ocenie

bioróżnorodności” ™Žƒ–ƒ ŠʹͲͳͳǦ2016 zastosowano wskaźniki podstawowe.











Ž‡‡–

kryteriów

ͶǦ‰”—’›

–”‘ˆ‹ œ‡

‡‘•›•–‡—

‡ Šƒ

Ͷʹ

Ͷͳ

Ǧ





ͶͶ

ͳͶ

ͳʹ





”›–ʹ

”›–ͳ

Wskaźnik

’‘†•–ƒ™‘™›

Monitor Polski

– 187 –

ͳ͹ͺ

Produktywność kluczowych gatunków lub grup troficznychǤ

Liczebność/rozmieszczenie kluczowych grup troficznych i gatunkówǤ

Wydajność grupy troficznej nie została naruszona ze względu na

oddziaływania antropogeniczne.

Rozmieszczenie gatunku (zasięg, wzorzec, ”‘œ’‘™•œ‡ Š‹‡‹‡ȌǤ

Wielkość populacji (liczebność)Ǥ

’‹•”›–‡”‹—œƒ†ecyzją 2017/848

Wskaźnik zmian liczebności zimujących ptaków wodnych

Wskaźnik zmian liczebności zimujących ptaków wodnych prezentuje dane o liczebności 22

gatunków ptaków wodnych w okresie sprawozdawczym obejmującym lata 2011ǦʹͲͳ͸ ȋ–ƒ„‡Žƒ

ʹǤͳǤͳͺȌǤDane z Polski wchodzące w skład wskaźnika pochodzą z dwóch programów monitoringu

Monitoringu Zimujących Ptaków Wód Przejściowych (31 obiektów położonych na wodach

przejściowych) oraz Monitoringu Zimujących Ptaków Morskich (56 transektów na wodach

terytorialnych). Oba programy są prowadzone w ramach PMŚǡ ‘‘”†›‘™ƒ‡‰‘ ’”œ‡œ GIOŚ ‹

ˆ‹ƒ•‘™ƒ‡‰‘’”œ‡œƒ”‘†‘™› —†—•œOchrony Środowiska i Gospodarki Wodnej.

ƒ„‡ŽƒʹǤͳǤͳͺǤ Gatunki wchodzące w skład wskaźnika zmian liczebności zimujących ptaków wodnych wraz

z informacją o grupie funkcyjnej. Grupa funkcyjna: wading–brodzą ‡ǡsurfaceǦzdobywające

’‘ƒ” ’”œ› ’‘™‹‡”œ Š‹ǡ pelagic Ǧ ‰ƒ–—‹ ’‡Žƒ‰‹ œ‡ǡ benthic – „‡–‘•‘™‡ǡ grazing Ǧ

roślinożerne zdobywające pokarm na lądzie. Gatunki uszeregowano w porządku

•›•–‡ƒ–› œ›ȋ ʹͲͳͺȌǤ

ƒ–—‡

łabędź niemy

łabędź czarnodzioby

łabędź krzykliwy

„‹”‰‹‹ƒ

gągoł

„‹‡Žƒ œ‡

nurogęś

•œŽƒ Šƒ”

głowienka

œ‡”‹ ƒ

ogorzałka

świstun

krzyżówka

rożeniec

›”ƒ‡ œƒ

’‡”‘œ†™— œ—„›

łyska

śmieszka

‡™ƒ•‹™ƒ

‡™ƒ•”‡„”œ›•–ƒ

mewa siodłata

‘”‘”ƒ

ƒœ™ƒƒ—‘™ƒ

Cygnus olor

Cygnus columbianus

Cygnus cygnus

Polysticta stelleri

Bucephala clangula

Mergellus albellus

Mergus merganser

Mergus serrator

Aythya ferina

Aythya fuligula

Aythya marila

Mareca penelope

Anas platyrhynchos

Anas acuta

Anas crecca

Podiceps cristatus

Fulica atra

Chroicocephalus ridibundus

Larus canus

Larus argentatus

Larus marinus

Phalacrocorax carbo

”—’ƒ

ˆ— ›Œƒ

grazing

grazing

grazing

benthic

benthic

pelagic

pelagic

pelagic

benthic

benthic

benthic

grazing

grazing

grazing

wading

pelagic

grazing

surface

surface

surface

surface

pelagic



Liczebność populacji ptaków wodnych zimujących na Morzu Bałtyckim jest ograniczana

poprzez szereg czynników antropogenicznych, wśród których najważniejsze to:



ͳȌ śmiertelność w wyniku przyłowuǢ

ʹȌ śmiertelność spowodowana ™› ‹‡ƒ‹•—„•–ƒ Œ‹”‘’‘’‘ Š‘†› ŠǢ

͵Ȍ śmiertelność spowodowana polowaniamiǢ

ͶȌ zmniejszenie powierzchni dostępnych siedlisk wskutek płoszenia przez jednostki

pływające i obiekty infrastrukturyǢ

ͷȌ zmiany dostępności pokarmu wynikające z rybackiej eksploatacji po’—Žƒ Œ‹”›„Ǣ

͸Ȍ eutrofizacja wód wpływająca na strukturę i funkcjonowanie sieci troficznej.

Wśród antropogenicznych oddziaływań powodujących straty w populacjach

poszczególnych ptaków wodnych, poważny problem stanowi śmiertelność (w wyniku utonięcia)

™ •‹‡ ‹ƒch połowowych. Szacunki dotyczące liczby ptaków przypadkowo łowionych w



ͳ͹ͻ

rybołówstwie są niepewne, ale prawdopodobnie wynoszą 100 000Ǧ200 000 ptaków rocznie w

skali całego Bałtyku (Žydelis i in. 2009). Co bardziej istotne, nawet daleko mniej intensywny

’”œ›łów może wciąż obejmować do 5% kaczek morskich obecnych na œ‹‘™‹•—ȋ‡ŽŽ‡„ƒ—‹‹Ǥ

ʹͲͳ͵Ȍǡco przekłada się na szybkie spadki liczebności ich populacji.

Ponadto w niektórych krajach nadbałtyckich w ramach polowań zabija się dużą liczbę

ƒ œ‡‘”•‹ Šǡ™szczególności edredonów i gągołów (Mooij 2005, Skov i in. 2011). Chociaż

liczba wycieków ropy na Morzu Bałtyckim zmniejszyła się, nadal dochodzi do zaoliwienia

upierzenia, a w konsekwencji do hipotermii i ostatecznie do śmierci ptaków dotkniętych tym

‘††œiaływaniem (Larsson i Tydén 2005; Žydelis i in. 2006). Ptaki giną także w wynik—spożycia

zanieczyszczeń (Broman i in. 1990, Rubarth i in. 2011, Pilarczyk i in. 2012).

Niektóre gatunki ptaków wodnych są podatne na utratę siedlisk spowodowaną

działalnością człowieka, co może zmniejszyć zdolność miejsca zimowania do utrzymywania dużej

populacji ptaków. Stwierdzono, że unikanie przybrzeżnych farm wiatrowych wpływa na

rozmieszczenie przestrzenne nurów i lodówek (Petersen i in. 2011, Dierschke i in. 2016). Gatun‹

te, podobnie jak inne kaczki morskie, unikają również szlaków żeglugowych (Bellebaum i in. 2006,

Schwemmer i in. 2011). W przypadku bentofagów dodatkowa utrata siedlisk spowodowana jest

fizycznym uszkadzaniem dna morskiego, spowodowanym zarówno przez połowy jak i wydobycie.

Należy zauważyć, że wszystkie wyżej wymienione czynniki mają skumulowany wpływ na

populacje ptaków wodnych, nie tylko w sezonie zimowym, ale również lęgowym (np. wpływając

na sukces lęgowy). Z drugiej strony, ptaki wodne zimujące na Bałtyku mogą podlegać presjom na

obszarach lęgowisk i podczas migracji (OSPAR / HELCOM / ICES 2017). Skumulowany wpływ na

ptaki wodne został przeanalizowany na przykładzie nurów rdzawoszyjego i czarnoszyjego

(Dierschke i in. 2012). Publikowany tu wskaźnik liczebności zimujących ptaków wodnych łączy

efekty różnych oddziaływań.



Metoda analizy danych

Wskaźnik jest obliczany w oparciu o dane o liczebności ptaków wodnych w strefie wód

przybrzeżnych, dostarczone przez koordynatorów liczeń International Waterbird Censusȋ Ȍ

do HELCOM. Obiekty, na których liczono ptaki były głównie odcinkami wybrzeża morskiego,

zalewami lub zatokami morskimi. Polska (MZPM) i Finlandia są jedynymi krajami, które

dostarczyły dodatkowo dane z obszarów otwartego morza. Docelowo (do 2018 r.) wskaźnik

będzie bazował na tego typu danych również z innych państw, a skład gatunkowy wskaźnika

będzie obejmował również gatunki zimujące w ‘„•œƒ”ƒ Š ‘–™ƒ”–‡‰‘ ‘”œƒǤ ƒ‡ •—”‘™‡

zawierają dla każdego gatunku kod stanowiska, jego współrzędne, rok o„•‡”™ƒ Œ‹ ‘”ƒœ

zarejestrowaną liczbę osobników. Dla obiektów, dla których prowadzono liczenia pozyskano

również dane o temperaturze powietrza w oparciu o bazę danych EǦȋ˜Ǥͳ͵Ǥͳǡ ƒ›Ž‘ ‹‹Ǥ

ʹͲͲͺ). Na tej podstawie obliczono średnią temperaturę powietrza dla całego tygodnia przed datą

liczenia rekomendowaną przez IWC. 

Wskaźniki liczebności dla poszczególnych gatunków obliczono za pomocą uogólnionych

modeli addytywnych (GAM), uwzględniając efekt stanowiska, roku oraz średniej temperaturyȋ†Žƒ

7 gatunków modele nie uwzględniały temperatury). Następnie dla każdego gatunku obliczono

średnią wartość wskaźnika w latach 1991Ǧ2000, która służyła jako punkt referencyjny (wartość

wskaźnika równa 1). W celu obliczenia wskaźnika estymowane wartości w każdym roku

podzielono przez wartość referencyjną. Tak otrzymane wartości oznaczają, że jeśli wskaźnik ma

wartość powyżej 1, to populacja wzrosła liczebnie, a jeśli poniżej tej wartości, to cechował ją

spadek. W ostatnim kroku obliczono średnią geometryczną wskaźników z lat 2011Ǧ2016, która

następnie była porównywana z wartością referencyjną (patrz Metoda oceny stanu ptakówȌǤ ƒ

pomocą narzędzia MSI w środowisku R (Soldaat i in. 2017) roczne wskaźniki liczebności

dopasowano do modelu wykładniczego i obliczono średnie roczne tempo wzrostu populacji (λ)

™”ƒœz jego błędem standardowym i 95% przedziałami ufności. Tempo wzrostu populacji zostało

użyte †‘klasyfikacji trendów w ramach sześciu kategorii:



ͳȌ silny wzrost (dolna granica 95%PU dla λ jest większa niż 1,05)Ǣ



ͳͺͲ



Poz. 230

ʹȌ umiarkowany wzrost (dolna granica 95%PU dla λ zawiera się w przedziale 1,00ǦͳǡͲͷȌǢ

͵Ȍ stabilny (dolna granica 95%PU dla λ jest większa od 0,95 a górna granica mniejsza od

ͳǡͲͷȌǢ

ͶȌ umiarkowany spadek (górna granica 95%PU dla λ zawiera się w przedziale 0,95ǦͳǡͲͲȌǢ

ͷȌ silny spadek (górna granica 95%PU dla λ jestmniejsza niż 0,95)Ǣ

͸Ȍ nieokreślony (dolna granica 95%PU dla λ jest mniejsza od 0,95 lub górna granica jest

większa od 1,05, a jednocześnie przedział ten obejmuje wartość 1,00).

Wskaźnik zmian liczebności lęgowych ptaków wodnych



Wskaźnik liczebności lęgowych ptaków wodnych ƒ‰”‡‰—Œ‡ ‹ˆ‘”ƒ Œ‡ ‘ œ‹ƒƒ Š

liczebności 30 gatunków ptaków wodnych w okresie sprawozdawczym obejmującyŽƒ–ƒʹͲͳͳǦ

ʹͲͳ͸ ȋ–ƒ„‡Žƒ ʹǤͳǤͳͻ). Uwzględniono w nim dane dla Polski dla 3 gatunków z programów

‘‹–‘”‹‰— ‘”‘”ƒƒǡ ‘‹–‘”‹‰— ›„‹–™› œ—„ƒ–‡Œ ‘”ƒœ ‘‹–‘”‹‰— ‹‡‰—•ƒ ‹‡‡‰‘

ȋ–ƒ„‡Žƒ ʹǤͳǤͳͻ, ”›•Ǥ ʹǤͳǤͻ). Programy te są prowadzone w ramach Państwowego Monitoringu

Środowiskaǡ ‘‘”†›‘™ƒ‡‰‘ ’”œ‡œ GIOŚ ‹ ˆ‹ƒ•‘™ƒ‡‰‘ ’”œ‡œ ƒ”‘†‘™› —†—•œ  Š”‘›

Środowiska i Gospodarki WodnejǤ



ƒ„‡ŽƒʹǤͳǤͳͻǤ Gatunki wchodzące w skład wskaźnika zmian liczebności lęgowych ptaków wodnych wraz z

informacją, czy są lęgowe w Polsce oraz jaki program monitoringu d‘•–ƒ” œƒ ‹ˆ‘”ƒ Œ‹

‘zmianach liczebności w pasie nadmorskim w Polsce. Grupa funkcyjna: wading–brodzące,

surface Ǧ zdobywające pokarm przy powierzchni, pelagic Ǧ ‰ƒ–—‹ ’‡Žƒ‰‹ œ‡ǡ benthic –

„‡–‘‹ œ‡ǡ grazing Ǧ roślinożerneǤ ƒ–—‹ —•œ‡”‡‰‘™ƒ‘ ™ ’orządku systematycznym

ȋ ʹͲͳͺȌǤ

ƒ–—‡

łabędź niemy

bernikla białolica

gęgawa

‡†”‡†‘

—ŠŽƒ

nurogęś

•œŽƒ Šƒ”

‘Šƒ”

œ‡”‹ ƒ

ogorzałka

’‡”‘œ†™— œ—„›

‘•–”›‰‘Œƒ†

szablodziób

sieweczka obrożna

ƒ—•œ‹

„‹‡‰—•œ‹‡›

—”‹

—”œ›

ƒŽƒ

™›†”œ›

‘•–”‘•–‡”›

‡™ƒ•‹™ƒ

‡™ƒżółtonoga

‡™ƒ•”‡„”œ›•–ƒ

mewa siodłata



Cygnus olor

Branta leucopsis

Anser anser

Somateria mollissima

Melanitta fusca

Mergus merganser

Mergus serrator

Tadorna tadorna

Aythya fuligula

Aythya marila

Podiceps cristatus

Haematopus ostralegus

Recurvirostra avosetta

Charadrius hiaticula

Arenaria interpres

Calidris alpina

Cepphus grylle

Uria aalge

Alca torda

Stercorarius parasiticus

Larus canus

Larus fuscus

Larus argentatus

Larus marinus

”—’ƒ

ˆ— ›Œƒ

grazing

grazing

grazing

benthic

benthic

pelagic

pelagic

wading

benthic

benthic

pelagic

wading

wading

wading

wading

wading

pelagic

pelagic

pelagic

surface

surface

surface

surface

surface

ͳͺͳ

”‘‰”ƒ

Lęgi w PL ‘‹–‘”‹‰—

–ƒ

Ǧ

‹‡

Ǧ

–ƒ

Ǧ

•’‘”ƒ†› œ‹‡ Ǧ

‹‡

Ǧ

–ƒ

Ǧ

‹‡

Ǧ

–ƒ

Ǧ

–ƒ

Ǧ

‹‡

Ǧ

–ƒ

Ǧ

–ƒ

Ǧ

•’‘”ƒ†› œ‹‡ Ǧ

–ƒ

Ǧ

‹‡

Ǧ

–ƒ

ǡ‘†ʹͲͲ͹”Ǥ

‹‡

Ǧ

‹‡

Ǧ

‹‡

Ǧ

‹‡

Ǧ

–ƒ

Ǧ

•’‘”ƒ†› œ‹‡ Ǧ

–ƒ

Ǧ

‹‡

Ǧ

ƒ–—‡

”›„‹–™ƒ

™‹‡Ž‘†œ‹‘„ƒ

”›„‹–™ƒ œ—„ƒ–ƒ

”›„‹–™ƒ”œ‡ œƒ

”›„‹–™ƒ’‘’‹‡Žƒ–ƒ

rybitwa białoczelna

‘”‘”ƒ





›•ǤʹǤͳǤͻǤ

Hydroprogne caspia

Thalasseus sandvicensis

Sterna hirundo

Sterna paradisaea

Sternula albifrons

Phalacrocorax carbo

”—’ƒ

ˆ— ›Œƒ

surface

surface

surface

surface

surface

pelagic

Poz. 230

”‘‰”ƒ

Lęgi w PL ‘‹–‘”‹‰—

‹‡

–ƒ

–ƒ

‹‡

–ƒ

–ƒ

Ǧ

ǡ‘†ʹͲͳͷ”Ǥ

Ǧ

Ǧ

Ǧ

ǡ‘†ʹͲͳͷ”Ǥ

Powierzchnie i transekty monitoringowe w Monitoringu Ptaków Polski dla gatunków

wchodzących w skład wskaźników wykorzystywanych do oceny stanu awifauny w POMǤ



Populacje lęgowych ptaków, których liczebność wchodzi w skład kryterium D1C2 są

eksponowane na szereg niekorzystnych czynników presji, zarówno antropogenicznej, jak

‹naturalnej. Najważniejsze z nich –‘ǣ



ͳȌ ‡ˆ‡–›™ƒ—–”ƒ–ƒ•‹‡†Ž‹•™™›‹ku nasilonej obecności ludzkiej;

ʹȌ obniżony sukces lęgowy spowodowany płoszeniem prœ‡œŽ—†œ‹Ǣ

͵Ȍ eutrofizacja wód wpływająca na strukturę i ˆ— Œ‘‘™ƒ‹‡•‹‡ ‹–”‘ˆ‹ œ‡ŒǢ

ͶȌ —–”ƒ–ƒ•‹‡†Ž‹•™™›‹—”‘œ„—†‘™›‹ˆ”ƒ•–”—–—”›Ǣ

ͷȌ —–”ƒ–ƒ•‹‡†Ž‹•™™›‹ku zarastania przybrzeżnych łąk;

͸Ȍ wysokie straty lęgów i osobników dorosłych spowodowane działaniem drapieżników;

͹Ȍ wysokie straty w lęgach spowodowane katastrofalnymi sztormami lub wezbraniami.



ͳͺʹ

Wiodącym czynnikiem utraty siedlisk ptaków gniazdujących na plażach nadmorskich jest

intensywne użytkowanie rekreacyjne terenów nadbrzeżnych przez ludzi. Tereny‹–‡•›™‹‡‹

licznie penetrowane przez ludzi są postrzegane przez ptaki jako siedliska nienadające się do

gniazdowania, gdyż człowiek traktowany jest jako drapieżnik (Frid, Dill 2002; Beale, Monaghan

2004). W efekcie, gniazdowanie kluczowych gatunków ptaków jest z reguły ograniczone do

fragmentów wybrzeża chronionych jako rezerwaty, gdzie presja ludzka bywa nieco niższa. Jednak

powszechne naruszanie zakazów wstępu do rezerwatów powoduje obniżenie udatności lęgów

również na tych terenach (GBPW Kuling, daneniepublikowane). Naziemne lęgi są rozdeptywane

przez ludzi i psy, a niepokojenie inkubujących ptaków zwiększa ekspozycję lęgów na

drapieżnictwo wron i mew oraz na możliwe przegrzanie jaj i piskląt.

Sukces lęgowy ptaków morskich jest w wielu miejscach kryt› œ‹‡‹•‹œ—™ƒ‰‹ƒ„ƒ”†œ‘

wysokie straty w lęgach spowodowane drapieżnictwem norki amerykańskiej (gatunek

inwazyjny) i lisa, lokalnie także wrony siwej (GBPW Kuling, dane niepublikowane). Działanie

drapieżników ułatwia fakt koncentracji lęgów ptaków nƒ‹‡™‹‡Ž‹ Šǡ‘‰”ƒ‹ œ‘› Š‘„•œƒ”ƒ Šǡ

które są obiektem nasilonej penetracji drapieżników.

Zmiany siedliskowe związane z zarastaniem nadmorskich łąk słonoroślowych są

czynnikiem szybkiej utraty siedlisk lęgowych ptaków siewkowych (np. biegusa zmiennego).

Zaniechanie wypasu bydła lub wykaszania łąk prowadzi do szybkiego zarastania tych habitatów

przez trzcinę, wspomaganego przez rosnącą eutrofizację wód (Herrmann 2011, MBZ – †ƒ‡

‹‡’—„ŽǤȌǤ

Metoda analizy danych

Ocena opiera się na liczbie par lęgowych wybranych gatunków ptaków wodnych, liczonych

w koloniach lęgowych lub na powierzchniach próbnych. Do obliczania rocznych wskaźników i

trendów używane są dla każdego gatunku surowe dane na poziomie stanowiska, dostarczane

’”œ‡œ ”ƒŒ‘™‡ ’”‘‰”ƒ› ‘‹–‘”‹‰‘™‡Ǥ Dane surowe zawierają dla każdego gatunku kod

stanowiska, jego współrzędne, rok obserwacji, zarejestrowaną liczebność i jednostkę, w której ją

wyrażono (zwykle pary lęgowe). 

Do obliczenia rocznych wskaźników i trendów użyto programu TRIM ȋƒ‡‘‡ ‹ ˜ƒ

–”‹‡ʹͲͲͳȌ. Dla każdego gatunku zbudowano model wyjaśniający zaobserwowaną liczebność za

pomocą efektu stanowiska i efektu roku. Metoda bazuje na logliniowej regresji Poissona i jest w

stanie przypisać wartości brakującym obserwacjom (ter Braak i in. 19ͻͶǡ˜ƒ–”‹‡‹‹ǤʹͲͲͳǡ

2004). Dla każdego roku uzyskano wskaźniki trendu liniowego oraz średnie roczne tempo

™œ”‘•–— ’‘’—Žƒ Œ‹ (λ) wraz z błędem standardowym i 95% przedziałami ufności. Dla każdego

gatunku określono kategorię trendu na podstawie parame–”—λi jego 95% przedziałów ufności

(sześć kategorii jak w przypadku wskaźnika zimujących ptaków wodnych). Jako wartość

referencyjną dla trendu przyjęto średnią wartość wskaźników dla lat 1991–2000 i całość serii

pomiarowej wyskalowano tak, aby przyjmowała ona 1. Podobnie jak w przypadku ptaków

zimujących obliczano średnią geometryczną wartości wskaźników z lat 2011Ǧ2016, która

porównywana była z wartością referencyjnąǡaby określić stan ochrony (patrz Metoda oceny stanu

ptakówȌǤ



Wskaźnik produktywności bielika

Wskaźnik produktywności bielika oceniany jest przy użyciu –”œ‡ Šparametrów reprodukcji

‰ƒ–——Ǥ ‡‹‡’‘†Ž‡‰ƒsukces lęgowy, produktywność (liczba piskląt na zajęte gniazdo) oraz

liczba piskląt (rozumiana jako liczba piskląt na gniazdo z sukcesem lęgowym).

ƒ‡ †Žƒ ‘Ž•‹ œ Žƒ– ʹͲͳͷǦ2016 pochodzą z Monitoringu Produktywności Bielika

’”‘™ƒ†œ‘‡‰‘w ramach Państwowego Monitoringu Środowiskaǡ‘‘”†›‘™ƒ‡‰‘’”œ‡œGIOŚ‹

ˆ‹ƒ•‘™ƒ‡‰‘’”œ‡œƒ”‘†‘™› —†—•œOchrony Środowiska i Gospodarki Wodnej.ƒ‡œŽƒ–

ʹͲͳͳǦ2014 to niepublikowane dane Komitetu Ochrony Orłów.

Na produktywność bielika oddziałuje kilka antropogenicznych czynników, które wpływają

na liczbę piskląt w gnieździe i sukces lęgowy. Są to: dostępność pokarmu, zanieczyszczenia

Š‡‹ œ‡ǡ†”ƒ’‹eżnictwo, pogoda, niepokojenie przez człowieka w pobliżu miejsc gniazdowych,

‘Ž‹œŒ‡‘”ƒœ ‡Ž‘™‡‘–”— ‹ƒȋ ʹͲͳͷƒȌǤ



ͳͺ͵

Antropogeniczną presją, która najwyraźniej dotknęła bielika po objęciu go ochroną prawną

było wprowadzanie do środowiska niebezpiecznych substancji chemicznych, głównie

chloroorganicznych. Ich negatywny wpływ na reprodukcję bielików został na przestrzeni lat

dobrze udokumentowany i stał się podstawą włączenia wskaźników sukcesu lęgowego bielika

™skład wskaźników HELCOM. 

”óbki tkanek i jaj bielików zawierają jedne z najwyższych stężeń związków

chloroorganicznych (np. DDT i PCB) oraz metali ciężkich w Bałtyku i na świecie, jakie

‹‡†›‘Ž™‹‡—†‘—‡–‘™ƒ‘ȋ ‡”‹••‘‹‹Ǥͳͻ͸͸ǡ ‡•‡ͳͻ͸͸ǡ ‡•‡‹‹Ǥͳͻ͹ʹǡ‘‹˜—•ƒƒ”‹

‹in. 1980, Helander 1994b, Helander i in. 1982, 2002, 2008, Olsson i in. 2000, Nordlöf i in. 2010).

Ponadto, badania poszczególnych bielików wykazały, że samice, które były narażone na wysokie

stężenia zanieczyszczeń w latach 1960 i 1970, pozostały nieproduktywne po tym, jak stężenia

zanieczyszczeń w ich jajach zmniejszyły się, wskazując na trwały wpływ wcześniejszej ekspozycji

ȋ ‡Žƒ†‡”‹‹ǤʹͲͲʹȌǤ

Tendencje w zakresie produktywności i stężenia pozostałości DDE i PCB wskazują, że

stężenia DDE spadły obecnie poniżej szacowanego krytycznego poziomu progowego

wpływającego na reprodukcję, ale przypadki bardzo wysokich stężeń pojawiły się w latach 2009Ǧ

2013 wśród jaj bielika znad Zatoki Botnickiej.

Stężenia bromowanych środków zmniejszających palność zostały zbadane w próbkach jaj

bielików ze Szwecji (Nordlöf i in. 2010). Stężenia w próbkach z Bałtyku były trzy i sześć razy

wyższe niż w próbkach śródlądowych pochodzących odpowiednio z południowej Szwecji

‹ƒ’‘‹‹Ǥ

Ostatnie badania obejmujące dane z Žƒ–ͳͻ͸ͷǦʹͲͳͳ wykazały, że średnia produktywność

bielików wykazała istotną statystycznie ujemną korelację z zawartością DDE w jaju i z indeksem

ekspozycji na sPCB, sDDT, sPCDD / F (Faxneld i in. 2014). Nie stwierdzono korelacji między

produktywnością a stężeniami PBDE w jajach. U północnoamerykańskich rybołowów (Pandion

haliaetus) niekorzystny wpływ na rozród miało stężenie PBDE w jajach przekraczające 1000 ng /

‰ ȋ ‡› ‹ ‹Ǥ ʹͲͲͻȌǡ œ›Ž‹ ʹǦ͵Ǧkrotnie wyższe niż stężenia stwierdzone w jajach bałtyckich

bielików. Nie stwierdzono ujemnej korelacji między produktywnością a PFOS w jajach (Faxneld i

in. 2014). Stężenia PFOS były jednak w tym samym zakresie, co w jajach kormoranów

ȋPhalacrocorax carbo sinensis) z jeziora Vänern, dla których ocena ryzyka wskazuje na możliwość

™pływu na przeżywalność zarodków (Nordén 2013).

Szczególną uwagę należy zwrócić na przypadki zatruć bielików w wyniku konsumpcji

amunicji ołowianej. Spośród 11 osobników zbadanych w Finlandii w latach 1994ǦʹͲͲͳǡ †™ƒ

(18%) padły w wyniku zatrucia ołowiem (Kr‘‡ ‹ ‹Ǥ ʹͲͲ͸ȌǤ  ‹‡ œ‡ Š ”ƒ’‘”–› œ –”œ‡ Š

nakładających się okresów mogą wskazywać na tendencję rosnącą: 12% ™ Žƒ–ƒ Š ͳͻͻͲǦʹͲͲͲ

ȋ”‘‡ ‹ ‹Ǥ ʹͲͲʹȌǡ ʹ͵Ψ ™ Žƒ–ƒ Š ͳͻͻ͸ǦʹͲͲ͹ ȋ”‘‡ ‹ ‹Ǥ ʹͲͲͻȌǡ ʹ͹Ψ ™ Žƒ–ƒ Š ͳͻͻͻǦʹͲͳͲ

ȋ ‡””ƒ‹‹ǤʹͲͳͳȌǤœ™‡ Œ‹™›‹i analiz nie wykazały obniżenia stężenia ołowiu w Žƒ–ƒ Š

ͳͻͺͳǦ2004, wykazały natomiast, że co najmniej 14% badanych okazów śmiertelnie zatruło się w

tym okresie, spożywając amunicję ołowianą (Helander i in. 2009). Wstępne wyniki kolejnych

badań z lat 2005Ǧ2012 wskazały na brak poprawy pomimo częściowego zakazu stosowania

amunicji ołowianej od 2002 r., a 20% bielików z wybrzeża zostało śmiertelnie zatrutych

(Helander i in. 2012). Analiza przyczyny śmierci 90 martwych bielików znalezionych w Finlandii

™Žƒ–ƒ ŠʹͲͲ͵Ǧ2013 wykazała, że 30% padło z powodu zatrucia ołowiem (Isomurso i in. 2014).

Wszystkie te dane sugerują, że zatrucie ołowiem jest ważną przyczyną śmiertelności bielików w

basenie Bałtyku, której rozmiary i znaczenie do tej pory nie zostały w pełni r‘œ’‘œƒ‡Ǥ

Ogromny rozwój farm wiatrowych może doprowadzić do znacznego wzrostu śmiertelności

wśród bielików i objawiać się zmniejszeniem sukcesu lęgowego i produktywności (Dahl i in.

2012), ale nie zmniejszeniem liczby piskląt w lęgu. Warunki pogodowe mogą mieć wpływ na

sukces lęgowy i produktywność, a wraz z możliwymi skutkami zmian klimatu powinny być

badane. Możliwe będzie także oszacowanie wpływu zależnych od zagęszczenia konfliktów

pomiędzy parami bielików. Niedawne badania przeprowadzone w Niemczech wykazały istotny,

zależny od zagęszczenia, negatywny wpływ na sukces lęgowy (a tym samym na produktywność),

ale brak wpływu na liczbę piskląt w lęgu (Heuck i Albrecht 2012).



ͳͺͶ

Teoretycznie, na wielkość lęgu i sukces lęgowy wpływają również niedobory pokarmu,ƒŽ‡

jak dotąd nie zaobserwowano tego zjawiska w bałtyckiej populacji bielika. 

Metoda analizy danych

Do obliczeń wykorzystano tylko dane z gniazd, dla których liczbę piskląt ustalono po

wspięciu się do wnętrza gniazda. Jeśli n0to liczba gniazd zajętych, w których nie doszło do wylotu

ani jednego pisklęcia, n1to liczba gniazd zawierających 1 pisklę, n2–zawierających 2 pisklęta, a

n3–zawierających 3 pisklęta, to wartości parametrów obliczano jak poniżej:

Sukces lęgowy

Proporcja gniazd zawierających co najmniej 1 pisklę w wieku co najmniej 3 tygodni spośród

wszystkich zajętych gniazd:

(n1 + n2 + n3) / (n0 + n1 + n2 + n3)

Produktywność

Średnia liczba piskląt w wieku co najmniej 3 tygodni spośród wszystkich zajętych gniazd:

(n1 + [n2x2] + [n3x3]) / (n0 + n1 + n2 + n3)

Liczba piskląt

Średnia liczba piskląt w wieku co najmniej 3 tygodni w gniazdach zawierających młode:

(n1 + [n2x2] + [n3x3]) / (n1 + n2 + n3)

Użyto wyłącznie danych z gniazd kontrolowanych poprzez wspięcie się na drzewo.

Oceniana jednostka

ƒnajbardziej odpowiednią uważa się ocenę dla jednos–‡podziału Bałtyku zastosowƒ› Š

w II holistycznej ocenie stanu środowiska Morza Bałtyckiego HOLAS II. Jednak w przypadku kilku

krajów subpopulacje zasiedlające pas wybrzeża takich jednostek są zbyt małe œ‡•–ƒ–›•–› œ‡‰‘

punktu widzenia i w takich wypadkach możliwe Œ‡•–łączenie danych z sąsiednich jednostek. W

Polsce liczebność subpopulacji, zasiedlających każdą z dwóch jednostek jest zbyt niska ze

statystycznego punktu widzenia. W związku z powyższym ocena dla Polski zostałƒ

przeprowadzona w całym pasie wybrzeża morskiego w kraju.



Metoda oceny stanu ptaków



Wskaźniki zmian liczebności zimujących i lęgowych ptaków wodnych



Ocena stanu środowiska dla wskaźników liczebności zimujących i lęgowych ptaków

™‘†› Š ȋAbundance of waterbirds in the breeding season ‘”ƒœ Abundance of waterbirds in the

wintering season) wyznaczona została poprzez obliczenie udziału procentowego, jaki w puli

wszystkich gatunków wchodzących w skład danego wskaźnika stanowią gatunki, które osiągnęły

ocenę dobrego stanu środowiska (GES). Gatunek osiąga GES, gdy jego aktualna liczebność w

•–‘•——†‘‘”‡•—”‡ˆ‡”‡ ›Œ‡‰‘ȋŽƒ–ƒͳͻͻͳ–2000) nie różni się o więcej niż 30% (lub 20% dla

gatunków znoszących 1 jajo), czyli stanowi przynajmniej 0,7 (lub 0,8) liczebności referencyjnej.

Dobry stan środowiska (GES) dla wskaźnika zostaje osiągnięty wówczas, gdy gatunki te stanowią

≥75% wszystkich gatunków. Odchylenia liczebności gatunku w górę w stosunku do liczebności

”‡ˆ‡”‡ ›Œ‡Œ ȋε͵ͲΨ Ž—„ εʹͲΨȌ ‹‡ są traktowane jako nieosiągnięcie wartości progowej

wskazującej na dobry stan środowiska (GES), traktować je jednak należy jako możliwy przejaw

braku równowagi w ekosystemie.Takie podejście używane jest†‘‹Ȍ‘ ‡›™‹‡Ž‘‰ƒ–—‘™‡ŒŽ—„

‹‹Ȍ oceny dla poszczególnych grup funkcyjnych gatunków. Ocena jest przeprowadzana w skali

siedmiu obszarów geograficznych, przy czym Polski dotyczą dwa: Basen Bornholmski i Basen

Gotlandzki. Dodatkowo w raporcie podawana jest wartość wskaźnika w skali Bałtyku.

 ‡ƒ†Žƒ‰”—’ˆ— ›Œ› ŠŒ‡•––™‘”œ‘ƒ™zgodnie z decyzją 2017/848. W każdym

przypadku wartość progowa jest uznawana za osiągniętą, kiedyliczebność ͹ͷΨgatunków odstaje

‘≤͵Ͳ% (lub 20% dla gatunków składających 1 jajo)od wartości referencyjnejǤPonieważ trudno

jest określić poziom referencyjny charakterystyczny dla warunków pierwotnych, œƒ’‘œ‹‘–‡



ͳͺͷ

uznaje się liczebność osiągniętą na początku okresu gromadzenia danych (Žƒ–ƒ ͳͻͻͳǦʹͲͲͲȌǤ

Populacja w pojedynczym roku może ulegać losowym wpływom, więc jako referencyjną uznano

średnią liczebność danego gatunku w latach ͳͻͻͳǦʹͲͲͲǤ

Gdy ocena stanu dotyczy grup gatunków, progowa wartość 75% gatunków których

liczebność nie odstaje w dół o więcej niż 30% (20% dla gatunków składających 1 jajo) od wartości

referencyjnej jest odniesiona wprost do liczby gatunków tworzących grupę. Dla siedlisk morskich

w Europie ICES (2015) zdefiniowało grupy funkcyjne gatunków, wyróżniające się głównie

•’‘•‘„‡œ†‘„›™ƒ‹ƒ’‘ƒ”—ȋ–ƒ„‡ŽƒʹǤͳǤʹͳȌǤȀ Ȁ ȋʹͲͳ͸Ȍœ‹†entyfikowało

gatunki odpowiednie do włączenia do wskaźnika liczebności ptaków lęgowych i wskaźnika

liczebności ptaków zimujących, a dwa dodatkowe gatunki (łabędź czarnodzioby i śmieszka)

zostały zidentyfikowane w toku aktualnej oceny. 

Wskaźnik „Liczebnośćptaków zimujących”zapewnia ocenę stanu dla 22 gatunków, w tymǣ

ͳȌ 5 gatunków bentosowych (benthic feeders: birginiak, gągoł, głowienka, czernica,

ogorzałka)Ǣ

ʹȌ 7 gatunków roślinożernych (grazing feeders: łabędź niemy, ł. czarnodzioby, ł. krzykliwy,

świstun, krzyżówka, rożeniec, łyska)Ǣ

͵Ȍ 5 gatunków pelagicznych (pelagic feeders: bielaczek, nurogęś, szlachar, perkoz

†™— œ—„›ǡ‘”‘”ƒȌǢ

ͶȌ 4 gatunków zdobywających pokarm przy powierzchni (surface feeders: śmieszka, mewa

siwa, m. siodłata, m. srebrzysta)Ǣ

ͷȌ ͳ‰ƒ–——brodzącego (wading feederǣ ›”ƒ‡ œƒȌǤ



Wskaźnik „Liczebność ptaków lęgowych” zapewnia ocenę stanu dla 30gatunków, w tym:

ͳȌ 4 gatunków bentosowych (benthic feeders: czernica, ogorzałka, edredon, uhla)Ǣ

ʹȌ 3 gatunków roślinożernych (grazing feeders: łabędź niemy, bernikla białolica, gęgawa)Ǣ

͵Ȍ 7 gatunków pelagicznych (pelagic feeders: nurogęś, szlachar, perkoz dwuczuby, kormoran,

—”‹ǡ—”œ›ǡƒŽƒȌǢ

ͶȌ 10 gatunków zdobywających pokarm przy powierzchni (surface feedersǣ‡™ƒ•‹™ƒǡǤ

siodłata, m. srebrzysta, m. żółtonoga, wydrzyk ostrosterny, rybitwa wielkodzioba, r.

czubata, r. rzeczna, r. popielata, r. białoczelna)Ǣ

ͷȌ 6 gatunków brodzących (wading feeders: ohar, ostrygojad, szablodziób, sieweczka

obrożna, kamusznik, biegus zmienny)Ǥ



‰‘†‹‡ œ †ecyzją 2017/848 państwa członkowskie  powinny podać jedną ocenę

dobrego stanu środowiska dla gatunku. Wyniki pochodzące z obu ptasich wskaźników zostały

więc zintegrowane metodą OOAO (ang. „oneǦ‘—–ǦƒŽŽǦout”), w której wynik z najniższą oceną

wyznacza całkowitą ocenę. Oznacza to, że w przypadku wystąpienia dla jednego wskaźnika

liczebności dla gatunku wartości poniżej stanu dobrego (subGES) w analizowanym okresie (Žƒ–ƒ

ʹͲͳͳǦ2016), następuje ostatecznie przyjęcie oceny subGES dla gatunku. Następnie dokonano

oceny dla pięciu grup funkcyjnych, zgodnie z wyżej opisaną zasadą proporcjonalności, mówiącą

że zintegrowana ocena dla ptaków wodnych jest w dobrym stanie, jeśli więcej niż 75% gatunków

™›ƒœ—Œ‡ •–ƒ †‘„”› ȋ ȌǤ •–ƒ–‹ ”‘‹‡ Œ‡•– ™›œƒ œ‡‹‡ ‘ ‡› œ‹–‡‰”‘™ƒ‡Œ †Žƒ

Kryterium D1C2 dla populacji ptaków wodnych w skali basenu w oparciu o zasadę

proporcjonalności (GES zostaje osiągnięty, gdy ≥75% gatunków cechuje się dobrym stanem).







ͳͺ͸



ƒ„‡ŽƒʹǤͳǤʹͲǤ ”—’› ˆ— ›Œ‡ ptaków wodnych wyróżnia‡ ’”œ‡œ  ȋʹͲͳͷȌǣ brodzące (wading

feeders), zdobywające pokarm przy ’‘™‹‡”œ Š‹ ȋsurface feedersȌǡ ’‡Žƒ‰‹ œ‡ ȋpelagic

feedersȌǡ„‡–‘•‘™‡ȋbenthic feedersȌǡroślinożerneȋgrazing feedersȌǤ

”—’ƒ

benthic feeders

grazing feeders

pelagic feeders

surface feeders

wading feeders

Sposób zdobywania ‘†œƒŒ’‘ƒ”—

’‘ƒ”—

żerowanie na dnie

‘”œƒ

żerowanie w strefie

pływów i w płytkiej

™‘†œ‹‡

żerowanie w szerokim

zakresie głębokości

™‘†›

bezkręgowce (np.

mięczaki, jeżowce)

rośliny (np. trawa

morska, słonorośla),

‰Ž‘›

’‡Žƒ‰‹ œ‡‹†‡‡”›„›

i bezkręgowce

(kałamarnice,

œ‘‘’Žƒ–‘Ȍ

brodzenie w płytkiej

™‘†œ‹‡

bezkręgowce (mięczaki,

™‹‡Ž‘•œ œ‡–›‹–’ǤȌ

żerowanie w

’‘™‹‡”œ Š‹‘™‡Œȋͳ–ʹ

Ȍ™ƒ”•–™‹‡™‘†›

małe ryby, zooplankton

i inne bezkręgowce

™ƒ‰‹



gęsi, łabędzie, kaczki pływające, łyska

tylko gatunki które zwykle aktywnie

pływają pod wodą, łącznie z

głuptakiem; zalicza się tu także gat—‹

odżywiające się rybami„‡–‘•‘™›‹

(np. płastugi).

„warstwa powierzchniowa”

œ†‡ˆ‹‹‘™ƒƒ™‘†‹‡•‹‡‹—†‘

normalnej głębokości na jaką

zanurzają się ‰ƒ–—‹ȋœ™›Œątkiem

głuptaka)





Wskaźnik produktywności bielika

Dobry stan środowiska (GES) oceniany jest przy użyciu 3 parametrów reprodukcji bielików

sukcesu lęgowego, produktywności oraz liczby piskląt. Ocena produktywności bielika opiera się

na zasadzie: wynik z najniższą oceną wyznacza całkowitą ocenę (ang. „oneǦ‘—–ǦƒŽŽǦout” –Ȍǡ

czyli w przypadku wystąpienia dla jednego parametru reprodukcji wyniku oceny poniżej stanu

dobrego (subGES) w analizowanym okresie, następuje ostatecznie przyjęcie oceny subGES. 

Poszczególne parametry reprodukcji były obliczone jako średnie dla 6Ǧletniego przedziału

†ŽƒŽƒ–ʹͲͳͳǦʹͲͳ͸Ǥo oceny GES używane jest porównanie średnich wartości trzech parametrów

œ‘”‡•—ʹͲͳͳǦ2016 z wartościami referencyjnymi.

‘œ‹‘ ”‡ˆ‡”‡ ›Œ› ™›œƒ œ‘‘ ™ ‘’ƒ” ‹— ‘ †ƒ‡ œ‡„”ƒ‡ na szwedzkim wybrzeżu

Bałtyku (Helander 1994ƒǡ ʹͲͲ͵): o sukcesie lęgowym z lat ͳͻͳͷ–1953 i o liczbie piskląt z lat

ͳͺͷͺ–ͳͻͷͲ (produktywność jest pochodną obu tych parametrów). ‘œ‹‘› ”‡ˆ‡”‡ ›Œ‡

odnoszą się zatem do ptaków zasiedlających ekosystemy wybrzeża morskiego. Z powodu braku

danych z innych regionów Bałtyku, jednakowy poziom referencyjny został wstępnie zastosowany

we wskaźniku dla całej strefy bałtyckiego wybrzeża.

Sukces lęgowy

Rozumiany jako odsetek lęgów zakończonych sukcesem. ‘œ‹‘”‡ˆ‡”‡ ›Œ›—•–ƒŽ‘‘ƒ

’‘†•–ƒ™‹‡†ƒ› ŠœͶ͵Žƒ–ȋͳͻͳͷ–1953). Średnio odsetek lęgów zakończonych sukcesem wyniósł

͹ʹΨǡƒͻͷΨprzedział ufności objął wartości od 59% do 86%.

Produktywność

Poziom referencyjny dla produktywności (liczby piskląt na zajęte gniazdo) —œ›•ƒ‘’”œ‡œ

’‘mnożenie poziomów referencyjnych dla liczby piskląt w lęgu i sukcesu lęgowego. Dało to

wartość przeciętnej produktywności na poziomie 1,84 x 0,72 = 1,32, z ͻͷΨprzedziałem ufności

‘†ͳǡ͸ͶšͲǡͷͻαͲǡͻ͹†‘ʹǡͲͶšͲǡͺ͸αͳǡ͹ͷǤ

Liczba piskląt

Poziom referencyjny dla liczby piskląt (w gniazdach z sukcesem, czyli zawierających młode)

ustalono na podstawie wyników obrączkowania i danych literaturowych obejmujących 91 lęgów

œŽƒ–ͳͺͷͺ–1950. Średnia arytmetyczna liczby piskląt w tej populacji wyniosła 1,84. ”ƒ‹ ‡ͻͷΨ

przedziału ufności oszacowano metodą bootstrap‹wyniosły ‘‡ͳǡ͸Ͷ‹ʹǡͲͶǤ



ͳͺ͹

Jako wartość docelową odnoszącą się do dobrego stanu środowiska przyjmuje się dolną

granicę 95Ǧprocentowego przedziału ufności z okresu referencyjnego. Wartość graniczna GES dla

•—cesu lęgowego wynosiła więc 0,59 (59%), dla produktywności to 0,97 pisklęcia, dla liczby

piskląt –1,64 pisklęcia.

Ocena ptaków zimujących w latach 2011-2016

Ocenę dobrego stanu przeprowadzono dla 22 gatunków wchodzących w skład wskaźnika

liczebności zimujących ptaków wodnych w obrębie dwóch basenów leżących częściowo na

’‘Ž•‹ Š ™‘†ƒ Š ‘”•‹ Šǣ ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— ‘–Žƒ†œ‹‡‰‘Ǥ •œ›•–‹‡

analizowane gatunki występowały w latach 2011Ǧ2016 na polskich wodach morskich, choć

liczebność 4 z nich była bardzo niska (patrz. Monitoring Zimujących Ptaków Wód PrzejściowychȌǤ

Dodatkowo, przeprowadzono ocenę w obrębie całego Morza Bałtyckiego. 

Dla każdego gatunku podano informacje o trendzie liczebności w latach 1991Ǧ2016 w skali całego

Bałtyku oraz dwóch wyżej wymienionych basenów (–ƒ„‡Žƒ ʹǤͳǤʹͳȌǤ›‹‹ †Žƒ ’‘•œ œególnych

gatunków znajdują się w –ƒ„‡Ž‹ʹǤͳǤʹʹ‘”ƒœƒ™›”‡•ƒ Š”›•ǤʹǤͳǤͳͲ–”›•ǤʹǤͳǤ͵ͳǤ

Oceny dokonano dla 5 grup funkcyjnych, a wyniki jak i ostateczną ocenę dobrego stanu dla

’”œ‡†•–ƒ™‹‘‘™–ƒ„‡Ž‹ʹǤͳǤʹ͵Ǥ



ƒ„‡ŽƒʹǤͳǤʹͳǤ ”‡†› zmian liczebności ptaków zimujących na całym Bałtyku oraz w Basenie

‘”Š‘Ž•‹‹ ‘–Žƒ†œ‹™Žƒ–ƒ ŠͳͻͻͳǦʹͲͳ͸Ǥ



ƒ–—‡

„‹”‰‹‹ƒ

Polysticta stelleri*

gągoł 

Bucephala clangula

głowienka 

Aythya ferina

œ‡”‹ ƒ

Aythya fuligula

ogorzałka 

Aythya marila*

łabędź niemy 

Cygnus olor

łabędź czarnodzioby 

Cygnus columbianus*

łabędź krzykliwy 

Cygnus cygnus

świstun 

Mareca penelope*

krzyżówka 

Anas platyrhynchos

rożeniec 

Anas acuta

łyska 

Fulica atra

„‹‡Žƒ œ‡

Mergellus albellus*

nurogęś 

Mergus merganser

•œŽƒ Šƒ”

Mergus serrator

’‡”‘œ†™— œ—„›

Podiceps cristatus

‘”‘”ƒ

Phalacrocorax carbo*

śmieszka 

Chroicocephalus ridibundus

‡™ƒ•‹™ƒ





 ”—’ƒ

benthic

benthic

benthic

benthic

benthic

grazing

grazing

grazing

grazing

grazing

grazing

grazing

pelagic

pelagic

pelagic

pelagic

pelagic

surface

surface

Cały Bałtyk

”‡†



Ͳǡͻʹʹʹ ͲǡͲͳͲͶ

ͳǡͲʹͲ͵ ͲǡͲͲͳͶ

ƒ–

↓↓

ƒ•‡‘”Š‘Ž•‹

”‡†







↑

ͳǡͲͲͻͻ

ͲǡͲͲʹͷ

Ͳǡͻͻͷͺ ͲǡͲͲʹͺ

→

ͳǡͲͲͶ͵

ͲǡͲͲͷͻ

ͳǡͲͲͲͷ ͲǡͲͲͳͳ

→

ͲǡͲͲͳͺ

Ͳǡͻ͹ʹͻ ͲǡͲͲ͵ͳ

Ͳǡͻͻ͹Ͷ ͲǡͲͲ͵͵

Ͳǡͻ͹Ͷͷ ͲǡͲʹ͵͵

↓

→

ǫ

ͳǡͲʹͳ͵ ͲǡͲͲʹ͸

↑

ͳǡͲͲͶͷ ͲǡͲͲͳͶ

Ͳǡͻ͸ͺ͹

Ͳǡͻͻ͸ʹ

ͳǡͲͳͲͶ

ͲǡͻͲͺͺ

ͳǡͲͳͲͶ

ͳǡͲʹʹͲ ͲǡͲͲͷ͹

↑

↑

ͳǡͲͶͶͳ

Ͳǡͻͻ͸ʹ ͲǡͲͲ͹Ͷ

Ͳǡͻ͸͹ͺ ͲǡͲͲʹʹ

→

ͲǡͻͺͲʹ

ͳǡͲͷͻ͸ ͲǡͲͲͶʹ

↑↑

ͳǡͲͲͻͶ

Ͳǡͻͻͷͳ ͲǡͲͲͳ͸

Ͳǡͻͻ͸ͷ ͲǡͲͲͳͻ

↓

→

Ͳǡͻͻͳͻ

ͳǡͲʹ͸Ͳ ͲǡͲͲ͵Ͳ

↑

ͳǡͲ͵ͳͻ ͲǡͲͳͳͺ

ͳǡͲ͵ͻ͹ ͲǡͲͳͺͶ

ͲǡͻͻͺͶ ͲǡͲͲͶ͵

ͳͺͺ

↓

↑

ͳǡͲͲ͹ͺ

ͳǡͲͶʹ͵

Ͳǡͻͻ͹͹

ͳǡͲʹͳͲ

↑

ͳǡͲʹ͸Ͳ

→



ͳǡͲͲͲ͸

ͲǡͲͲͷͲ

ͲǡͲͲͶͺ

ƒ– ”‡†





↑

↓





ͳǡͲ͵͸͸ ͲǡͲͲ͵ʹ

ƒ–



↑

Ͳǡͻ͸ͻ͸ ͲǡͲͳ͵ͷ

→ ͳǡͲͳʹͲ ͲǡͲͲͷͶ

↓

→ ͳǡͲͺͻͺ ͲǡͲʹͲͳ

↑↑

↑

ͳǡͲʹʹ͵ ͲǡͲͲʹͺ

↑

ͳǡͲͷͻͲ ͲǡͲͲ͹͹

↑

ͳǡͲ͵ʹͳ ͲǡͲͲ͵ʹ

↑

↓

ͲǡͲʹͻͲ

↓

ͲǡͲͲ͹Ͳ

↑

ͲǡͲͳͻͺ

ǫ

ͲǡͲͲ͵ͺ

ƒ•‡ ‘–Žƒ†œ‹

↑

ͲǡͲͲ͵ͺ

↑

ͲǡͲͲͶ͹

↑

ͲǡͲͲ͵ʹ



















ͲǡͲͲ͸Ͷ

↑

ͲǡͻͺͲ͸

↑↑

ͲǡͲͲ͵͵

↓

ͳǡͲ͹ͳͷ ͲǡͲͲͺͶ

Ͳǡͻͻʹͳ ͲǡͲͲ͵Ͷ

→ ͳǡͲͳʹ͹ ͲǡͲͲͶͺ

↓

↑

↑

ͲǡͲͲͶͲ

↑

ͳǡͲͶ͹Ͳ ͲǡͲͲͶ͹



Ǧ



ͳǡͲͶͺ͸ ͲǡͲͶͲͶ

ǫ

ͲǡͲͲͶͲ

ͲǡͲͲ͵͸

↑

ͲǡͲͲͷ

↑

ͳǡͲ͸ͺ͹ ͲǡͲͳͷ͹

↑

ͳǡͲ͸ͳͻ ͲǡͲͻͺͲ

ǫ



ƒ–—‡

Larus canus

‡™ƒ•”‡„”œ›•–ƒ

Larus argentatus

mewa siodłata 

Larus marinus*

›”ƒ‡ œƒ

Anas crecca



 ”—’ƒ

surface

surface

wading

Cały Bałtyk

”‡†



ͳǡͲͲ͹ͺ ͲǡͲͲͷʹ

Poz. 230

ƒ•‡‘”Š‘Ž•‹

ƒ–

”‡†



→





ͳǡͲͲͲʹ ͲǡͲͲ͸ͳ

Ͳǡͻͻͳͷ ͲǡͲͳͳͻ

→

→



ͳǡͲͳͻ͵



ͲǡͲͲͻͺ

ƒ•‡ ‘–Žƒ†œ‹

ƒ– ”‡†





↑



ͳǡͲ͵Ͳͷ ͲǡͲͺʹͶ

ͲǡͻͻͶͳ ͲǡͲʹ͸ʹ





Dla każdego gatunku podano średnie roczne tempo zmian liczebności (Trend) oraz błąd standardowy (SE). Brak wpisu oznacza, że

ocena nie była możliwa do przeprowadzenia ze względu na brak obecności gatunków lub bardzo niską liczebność. Gatunki oznaczon‡

* były modelowane bez wpływu temperatury. ƒ–‡‰‘”‹ƒ–”‡†—liczebności (KatȌǣ↑↑–•‹Ž›™œ”‘•–ǡ↑–—‹ƒ”‘™ƒ›™œ”‘•–ǡ →–

•–ƒ„‹Ž›ǡ↓↓–•‹Ž›•’ƒ†‡ǡ↓–—‹ƒ”‘™ƒ›•’ƒ†‡ǡǫ–nieokreślony. ”—’ƒˆ— ›Œƒ’ƒ–”œ–ƒ„‡ŽƒʹǤͳǤʹͳǤ

ƒ–—‹—•œ‡”‡‰‘™ƒ‘™‰”—’ƒ Šˆ— ›Œ› Š™edług porządku systematycznego (KF 2018).



ƒ„‡ŽƒʹǤͳǤʹʹǤ Średnie wartości wskaźnika liczebności w latach 2011Ǧ2016 dla 22 zimujących gatunków

ptaków na całym Morzu Bałtyckim, w Basenie BorŠ‘Ž•‹‹ƒ•‡‹‡ ‘–Žƒ†œ‹Ǥ



ƒ–—‡

„‹”‰‹‹ƒPolysticta stelleri

gągoł Bucephala clangula

głowienka Aythya ferina

œ‡”‹ ƒAythya fuligula

ogorzałka Aythya marila

łyska Fulica atra

łabędź niemy Cygnus olor

łabędź czarnodzioby Cygnus columbianus

łabędź krzykliwy Cygnus cygnus

świstun Mareca penelope

krzyżówka Anas platyrhynchos

rożeniec Anas acuta

„‹‡Žƒ œ‡Mergellus albellus

nurogęś Mergus merganser

•œŽƒ Šƒ”Mergus serrator

’‡”‘œ†™— œ—„›Podiceps cristatus

‘”‘”ƒPhalacrocorax carbo

śmieszka Chroicocephalus ridibundus

‡™ƒ•‹™ƒLarus canus

‡™ƒ•”‡„”œ›•–ƒLarus argentatus

mewa siodłata Larus marinus

›”ƒ‡ œƒAnas crecca

”—’ƒˆ— ›Œƒ

benthic

benthic

benthic

benthic

benthic

grazing

grazing

grazing

grazing

grazing

grazing

grazing

pelagic

pelagic

pelagic

pelagic

pelagic

surface

surface

surface

surface

wading

Wskaźnik dla lat 2011ǦʹͲͳ͸

ƒ•‡

ƒ•‡

Cały Bałtyk ‘”Š‘Ž•‹ ‘–Žƒ†œ‹

Ͳǡʹʹ͵



ͳǡͶͳͺ

ͳǡͲ͸Ͷ

ͳǡͺ͸͹

Ͳǡͷͷ͵

Ͳǡͷͳͻ

Ͳǡʹͻͷ

ͲǡͻͲ͸

ͳǡͲͷ

ͳǡͲͺ͵

Ͳǡͺ͸ͷ

Ͳǡͺ͵͹

ͳǡʹ͹ͻ

Ͳǡͷ͹ͷ

Ͳǡͻ͸

ͲǡͶ͹ͳ

ͳǡʹͲͻ

ͳǡͳͺ͸

ͳǡͲ͹ͷ

Ͳǡ͹͵ͺ

ʹǡ͹Ͷ͸

Ͳǡͻͷͻ

Ͳǡͻ͹ͺ

ͳǡͳͷ͸

ͳǡ͵ͺͻ

ʹǡʹͲͻ

Ͳǡ͹ͻͻ

ͳǡͲͶͺ

Ͳǡͺͻͳ

ͳǡͶ͹ͻ

Ͳǡͺʹͷ

ͳǡͳ͹ͺ

Ͳǡͷ͵͹

ͳǡͳͳʹ

ͳǡ͸ͳ

ͳǡͳ͵ͳ

ͳǡͳͲ͵

ͳǡ͹Ͷ͹

ͲǡͺͲͶ

ͲǡͻͳͶ

ͳǡͳ͸ͷ

ͳǡͶ͵ͳ







Ͳǡ͹ͺͳ

ͳǡʹͻ͸

ͲǡͶ͵ͳ

ͳǡͳ͵ʹ



ʹǡͳͻͻ



ͳǡ͹͹ͺ



͵ǡͶ͵͹

Ͳǡͻͳͻ

ͳǡͲ͹ͷ

ͳǡͺ͸ͻ

ͳǡ͹ͻͳ

ͶǡͻͶͷ

Ͳǡ͸͹Ͷ

ͳǡͳʹͶ

Ͳǡ͹ʹ͹

Brak wpisu oznacza, że ocena nie była możliwa do przeprowadzenia, ze względu na brak obecności gatunków lub bardzo niską

liczebność. Wskaźniki, które osiągnęły dobry stan środowiska (GES) zaznaczono kolorem zielonym (wartość ≥0,7), a wskaźniki które

‹‡‘•iągnęły dobrego stanu (subGES) kolorem czerwonym. Grupa funkcyjna patrz –ƒ„‡ŽƒʹǤͳǤʹͳǤ

ƒ–—‹—•œ‡”‡‰‘™ƒ‘™‰”—’ƒ Šˆ— ›Œ› Š™edług porządku systematycznego (KF 2018).





ͳͺͻ

ƒ–

ǫ

ǫ



Łabędź niemy Cygnus olor

Łabędź niemy w latach 2011Ǧ2016 osiągnął dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0,96), jak i w obrębie Basenu Bornholmskiego

(wartość wskaźnika 1,178) i ƒ•‡—Gotlandzkiego (wartość wskaźnika 1,132ȌǤ

›•ǤʹǤͳǤͳͲǤ Roczne wskaźniki liczebności łabędzia niemego (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ



Łabędź czarnodzioby Cygnus columbianus

Łabędź czarnodzioby w latach 2011Ǧ2016 nie osiągnął dobrego stanu środowiska (GES) ƒ‹

w skali całego Morza Bałtyckiego (wartość wskaźnika 0,471), ani w obrębie Basenu

Bornholmskiego (wartość wskaźnika 0,537). Gatunek nie był oceniany w Basenie Gotlandzkim ze

względu na zbyt niską liczebnośćǤ



›•ǤʹǤͳǤͳͳǤ ‘ œ‡ ™•kaźniki liczebności łabędzia czarnodziobego (niebieska linia) w skali całego

Bałtyku i Basenu Bornholmskiego wraz ze średnią wartością wskaźnika w latach 2011ǦʹͲͳ͸

użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego

stanu ś”‘†‘™‹•ƒȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ



Łabędź krzykliwy Cygnus cygnus

Łabędź krzykliwy w latach 2011Ǧ2016 osiągnął dobry stan środowiska (GES) zarówno w

skali całego Morza Bałtyckiego (wartość wskaźnika 1,209), jak i w obrębie Basenu

Bornholmskiego (wartość wskaźnika 1,112) i ƒ•‡—Gotlandzkiego (wartość wskaźnika 2,199ȌǤ



ͳͻͲ



›•ǤʹǤͳǤͳʹǤ Roczne wskaźniki liczebności łabędzia krzykliwego (niebieska linia) wskali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Birginiak Polysticta stelleri

Liczebność birginiaka w skali całego Morza Bałtyckiego w latach 2011Ǧ2016 znajdowała się

poniżej granicy określającej dobry stan środowiska (GES) (wartość wskaźnika 0,223). Gatunek

nie był oceniany w mniejszejskali przestrzennej ze względu na zbyt niską liczebnośćǤ



›•ǤʹǤͳǤͳ͵Ǥ Roczne wskaźniki liczebności birginiaka (niebieska linia) w skali całego Bałtyku wraz ze

średnią wartością wskaźnika w latach 2011ǦʹͲͳ͸ —żytą w ocenie dobrego stanu (gruba

czerwona linia) oraz wartością graniczną dobrego stanu środowiska (GES) (0,7; cienka

œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ







ͳͻͳ

Gągoł Bucephala clangula

Gągoł w latach 2011Ǧ2016 osiągnął dobry stan środowiska (GES) zarówno w skali całego

Morza Bałtyckiego (wartość wskaźnika 1,418), jak i w obrębie ƒ•‡—‘”Š‘Ž•iego (wartość

wskaźnika 1,064) orazƒ•‡—Gotlandzkiego (wartość wskaźnika 1,867ȌǤ



›•ǤʹǤͳǤͳͶǤ Roczne wskaźniki liczebności gągoła (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Bielaczek Mergellus albellus

‹‡Žƒ œ‡ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 2,746) jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 1,747) orazƒ•‡—Gotlandzkiego (wartość wskaźnika 3,437ȌǤ





›•ǤʹǤͳǤͳͷǤ Roczne wskaźniki liczebności bielaczka (niebieska linia) w skali całego Bałtyku‘”ƒœƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ





ͳͻʹ

Nurogęś Mergus merganser

Nurogęś w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0,959), jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 0,804) orazƒ•‡— ‘–Žƒndzkiego (wartość wskaźnika 0,919ȌǤ





›•ǤʹǤͳǤͳ͸Ǥ Roczne wskaźniki liczebności nurogęsi (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Szlachar Mergus serrator

œŽƒ Šƒ” ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan (GES) zarówno w skali całego Morza

Bałtyckiego (wartość wskaźnika 0,978), jak i w obrębie Basenu ‘”Š‘Ž•iego (wartość

wskaźnika 0,914) orazƒ•‡—Gotlandzkiego (wartość wskaźnika 1,075ȌǤ



›•ǤʹǤͳǤͳ͹Ǥ Roczne wskaźniki liczebności szlachara (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ





ͳͻ͵

Głowienka Aythya ferina

Wskaźnik liczebności głowienki w sezonie zimowym w latach 2011Ǧ2016 znajdował się

poniżej poziomu wyznaczonego jako dobry stan środowiska (GES) zarówno w skali całego Morza

Bałtyckiego (wartość wskaźnika 0,553), jak i Basenu‘”Š‘Ž•‹ego (wartość wskaźnika 0,519)

‘”ƒœGotlandzkiego (wartość wskaźnika 0,295ȌǤ



›•ǤʹǤͳǤͳͺǤ ‘ œ‡™•ƒźniki liczebności głowienki (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

†‘„”‡go stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Czernica Aythya fuligula

œ‡”‹ ƒ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0,906), jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 1,05) oraz BasenuGotlandzkiego (wartość wskaźnika 1,083ȌǤ



›•ǤʹǤͳǤͳͻǤ Roczne wskaźniki liczebności czernicy (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ





ͳͻͶ

Ogorzałka Aythya marila

Ogorzałka w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0,865), jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 0,837) oraz BasenuGotlandzkiego (wartość wskaźnika 1,279ȌǤ

›•ǤʹǤͳǤʹͲǤ Roczne wskaźniki liczebności ogorzałki (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ



Świstun Mareca penelope

Świstun w latach 2011Ǧ2016 osiągnął dobry stan środowiska (GES) zarówno w skali całego

Morza Bałtyckiego (wartość wskaźnika 1,186), jak i w obrębie Basenu Bornholmskiego (wartość

wskaźnika 1,61). Gatunek nie był oceniany w Basenie Gotlandzkim ze względu na zbyt niską

liczebnośćǤ

›•ǤʹǤͳǤʹͳǤ Roczne wskaźniki liczebności świstuna (niebieska linia) w skali całego Bałtyku oraz Basenu

Bornholmskiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie

†‘„”‡‰‘•–ƒ—ȋ‰”—„ƒ œ‡”™‘a linia) oraz wartością graniczną dobrego stanu środowiska

ȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ









ͳͻͷ

Krzyżówka Anas platyrhynchos

Krzyżówka w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,075), jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 1,131) oraz BasenuGotlandzkiego (wartość wskaźnika 1,778ȌǤ



›•ǤʹǤͳǤʹʹǤ Roczne wskaźniki liczebności krzyżówki (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0ǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒ Ž‹‹ƒȌ (źródło danych PMŚ,

ȌǤ



Rożeniec Anas acuta

Rożeniec w latach 2011Ǧ2016 osiągnął dobry stan środowiska (GES) zarówno w skali całego

Morza Bałtyckiego (wartość wskaźnika 0,738), jak i w obrębie Basenu Bornholmskiego (wartość

wskaźnika 1,103). Gatunek nie był oceniany w Basenie Gotlandzkim ze względu na zbyt niską

liczebnośćǤ



›•ǤʹǤͳǤʹ͵Ǥ Roczne wskaźniki liczebności rożeńca (niebieska linia) w skali całego Bałtyku oraz Basenu

‘rnholmskiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie

dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu środowiska

ȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ





ͳͻ͸

Cyraneczka Anas crecca

›”ƒ‡ œƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,479), jak i w obrębie Basenu Bornholmskiego

(wartość wskaźnika 1,296). Gatunek nie był oceniany w Basenie Gotlandzkim ze względu na zbyt

niską liczebnośćǤ



›•ǤʹǤͳǤʹͶǤ Roczne wskaźniki liczebności cyraneczki (niebieska linia) w skali całego Bałtyku oraz

Basenu Bornholmskiego wraz ze średnią wartością wskaźnika w latach 2011Ǧʹ016 użytą w

ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu

środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ, HELCOM)Ǥ

Perkoz dwuczuby Podiceps cristatus

‡”‘œ†™— œ—„›™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) zarówno w

skali całego Morza Bałtyckiego (wartość wskaźnika 1,156), jak i w obrębie ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ȋ™ƒ”–‘ść wskaźnika 1,165) oraz Basenu Gotlandzkiego (wartość wskaźnika

ͳǡͺ͸ͻȌǤ



›•ǤʹǤͳǤʹͷǤ Roczne wskaźniki liczebności perkoza dwuczubego (niebieska linia) w skali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia)oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ





ͳͻ͹

Łyska Fulica atra

Žƒ–ƒ ŠʹͲͳͳǦ2016 łyska osiągnęła dobry stan środowiska (GES) tylko w obrębie Basenu

Bornholmskiego (wartość wskaźnika 0,825). Wartości wskaźnika w skali całego Morza

Bałtyckiego (0,575) oraz Basenu Gotlandzkiego (0,431) znajdowały się poniżej progu GESǤ



›•ǤʹǤͳǤʹ͸Ǥ Roczne wskaźniki liczebności łyski (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona lin‹ƒȌ (źródło danych PMŚ,

ȌǤ

Śmieszka Chroicocephalus ridibundus

Śmieszka w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 2,209), jak i w obrębie Basenu Gotlandzkiego

(wartość wskaźnika 4,945). Gatunek nie był oceniany w Basenie Bornholmskim ze względu na

zbyt niską liczebnośćǤ



›•ǤʹǤͳǤʹ͹Ǥ Roczne wskaźniki liczebności śmieszki (niebieska linia) w skali całego Bałtyku oraz Basenu

‘–Žƒ†zkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie

dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu środowiska

ȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ





ͳͻͺ



Mewa siwa Larus canus

 Žƒ–ƒ Š ʹͲͳͳǦ2016 mewa siwa osiągnęła dobry stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 0,799). W obrębie Basenu Gotlandzkiego liczebność mewy

siwej znajdowała się poniżej granicy GES (wartość wskaźnika 0,674). Gatunek nie był ‘ ‡‹ƒ›™

Basenie Bornholmskim ze względu na zbyt niską liczebnośćǤ



›•ǤʹǤͳǤʹͺǤ Roczne wskaźniki liczebności mewy siwej (niebieska linia) w skali całego Bałtyku oraz

Basenu Gotlandzkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w

ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu

środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ, HELCOM)Ǥ

Mewa srebrzysta Larus argentatus

‡™ƒ•”‡„”œ›•–ƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) zarówno w

skali całego Morza Bałtyckiego (wartość wskaźnika 1,048), jak i w obrębie Basenu Gotlandzkiego

(wartość wskaźnika 1,124). Gatunek nie był oceniany w Basenie Bornholmskim ze względu na

œ„›–‹ską liczebnośćǤ



›•ǤʹǤͳǤʹͻǤ Roczne wskaźniki liczebności mewy srebrzystej (niebieska linia) w skali całego Bałtyku oraz

Basenu Gotlandzkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w

‘ ‡nie dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu

środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ, HELCOM)Ǥ





ͳͻͻ



Mewa siodłata Larus marinus

Mewa siodłata w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0,891), jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 0,781) oraz BasenuGotlandzkiego (wartość wskaźnika 0,727).



›•ǤʹǤͳǤ͵ͲǤ ‘ œ‡™•aźniki liczebności mewy siodłatej (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

granicznądobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Kormoran Phalacrocorax carbo

‘”‘”ƒ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,389), jak i w obrębie Basenu ‘”Š‘Ž•‹‡‰‘

(wartość wskaźnika 1,431) oraz BasenuGotlandzkiego (wartość wskaźnika 1,791).





›•ǤʹǤͳǤ͵ͳǤ Roczne wskaźniki liczebności kormorana (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona lin‹ƒȌ(źródło danych PMŚ,

ȌǤ

W obrębie Basenu Bornholmskiego dobry stan środowiska osiągnęło 16 z 18 gatunków tam

występujących (8ͻΨȌǤ  asenie Gotlandzkim dobry stan uzyskało 14 z 17 gatunków (82%).



ʹͲͲ

Oznacza to, że wskaźnik liczebności zimujących ptaków wodnych ™ ‘„— „ƒ†ƒ› Š „ƒ•‡ƒ Š

obejmujących polskie wody morskie osiągnął dobry stan (GES, wartość progowa to 75%; –ƒ„‡Žƒ

ʹǤͳǤʹ͵). Podobnej analizy dokonano również dla każdej z 5 grup funkcyjnych. W obu badanych

basenach wskaźniki dla grup funkcyjnych osiągnęły dobry stan (–ƒ„‡ŽƒʹǤͳǤʹ͵ȌǤ

skali całego Morza Bałtyckiego badany wskaźnik również uzyskał †‘„”›•–ƒśrodowiska

ȋ Ȍ, gdyż 18 z 22 badanych gatunków znajdowało się w dobrym •–ƒ‹‡ȋͺʹΨȌǤtaki brodzące

ȋwading feeders), zdobywające pokarm przy powierzchni (surface feedersȌ ‹‰ƒ–—‹ ’‡Žƒ‰‹ œ‡

ȋpelagic feedersȌ osiągnęły dobry stan, natomiast gatunki bentosowe (benthic feedersȌ ‹

roślinożerne (grazing feedersȌ znalazły się poniżej wyznaczonej granicy dobrego stanu

środowiskaȋ–ƒ„‡ŽƒʹǤͳǤʹ͵ȌǤ

ƒ„‡ŽƒʹǤͳǤʹ͵ǤŚrednie wartości wskaźnika liczebności ptaków zimujących w latach ʹͲͳͳǦʹͲͳ͸ †Žƒ

wszystkich gatunków oraz 5 grup funkcyjnych: na całym Morzu Bałtyckim, w Basenie

‘”Š‘Ž•‹‹ƒ•‡‹‡ ‘–Žƒ†œ‹Ǥ

Rodzaj wskaźnika

™•œ›•–‹‡‰ƒ–—‹

benthic feeders

grazing feeders

pelagic feeders

surface feeders

wading feeders

Cały Bałtyk

Ͳǡͺʹ

Ͳǡ͸Ͳ

Ͳǡ͹ͳ

ͳǡͲͲ

ͳǡͲͲ

ͳǡͲͲ

ƒ•‡‘”Š‘Ž•‹

Ͳǡͺͻ

Ͳǡ͹ͷ

Ͳǡͺ͸

ͳǡͲͲ

ͳǡͲͲ

ͳǡͲͲ

ƒ•‡ ‘–Žƒ†œ‹

Ͳǡͺʹ

Ͳǡ͹ͷ

Ͳǡ͹ͷ

ͳǡͲͲ

Ͳǡ͹ͷ



Brak wpisu oznacza, że ocena nie była możliwa do przeprowadzenia ze względu na brak obecności gatunków lub bardzo niską

liczebność. Wskaźniki, które osiągnęły dobry stan środowiska (GES) zaznaczono kolorem zielonym (wartość ≥0,75), a wskaźniki które

‹‡‘•iągnęły dobrego stanu (subGES) kolorem czerwonym. Grupa funkcyjna patrz –ƒ„‡ŽƒʹǤͳǤʹͳǤ



Ocena ptaków lęgowych w latach 2011-2016

Ocenę dobrego stanu przeprowadzono dla 30 gatunków wchodzących w skład wskaźnika

liczebności lęgowych ptaków wodnych w obrębie dwóch obszarów –ƒ•‡—‘”Š‘Ž•‹‡‰‘‹

ƒ•‡— ‘–Žƒ†œ‹‡‰‘–w których znajdują się polskie wody morskieoraz dodatkowo w obrꄋ‡

całego Morza Bałtyckiego.Oceny dokonano również dla 5 grup funkcyjnych.

Dla każdego gatunku podano informacje o trendzie liczebności w latach 1991ǦʹͲͳ͸™•ƒŽ‹

całego Bałtyku oraz dwóch wyżej wymienionych basenów (–ƒ„‡ŽƒʹǤͳǤʹͶȌǤ

Wyniki dla poszczególnych gatunków znajdują się w –ƒ„‡Ž‹ʹǤͳǤʹͷ‘”ƒœƒ™›”‡•ƒ Š”›•Ǥ

ʹǤͳǤ͵ʹǦ”›•ǤʹǤͳǤ͸ͳǤ

ƒ„‡ŽƒʹǤͳǤʹͶǤ ”‡†›zmian liczebności ptaków lęgowych na całym Bałtyku oraz w Basenie Bornholmskim

‹ƒ•‡‹‡ ‘–Žƒ†œ‹™Žƒ–ƒ ŠͳͻͻͳǦʹͲͳ͸Ǥ(źródło danych PMŚ, HELCOM)Ǥ





ƒ–—‡

‡†”‡†‘

Somateria mollissima

—ŠŽƒ

Melanitta fusca

czernica

Aythya fuligula

ogorzałka 

Aythya marila

łabędź niemy

Cygnus olor

bernikla białolica 

Branta leucopsis

gęgawa

Anser anser

nurogęś

Mergus merganser





”—’ƒ

benthic

Cały Bałtyk

”‡†



benthic

ͲǤͺͻ͸͵ ͲǤͲͲ͵ͳ

benthic

1.0173 0.0036

benthic

ͲǤͻ͸͵ͻ ͲǤͲͲͶͷ





ƒ–

ƒ•‡‘”Š‘Ž•‹

”‡†



ƒ–





↓↓

ͳǤͲͳͺͷ

↑

0.9745 0.0113

↓





ͲǤͲͲͻ









”‡†



ƒ–

ͲǤͲͲ͵ͳ

↓

↑

ͲǤͻʹͺͷ

↓

ͲǤͻ͸͵

ͲǤͲͲʹ͸

↓↓

1.0072

0.0029

↑



↓

ͲǤͻ͸ͳ͹

1.0124

ͲǤͲͶͶ

0.0017

ǫ

↓









grazing

1.036

0.0023

↑

grazing

ͲǤͻͶͷ͵

ͲǤͲͳ

grazing 0.9888 0.0029

↓

↓

1.0447 0.0079

↑

1.0124

0.0026

↑

pelagic

0.9889 0.0044

↓

1.0647 0.0179

↑

0.9939

0.0021

↓

ʹͲͳ

0.9893 0.0035

ƒ•‡ ‘–Žƒ†œ‹



ƒ–—‡

•œŽƒ Šƒ”

Mergus serrator

perkoz dwuczuby

Podiceps cristatus

—”‹

Cepphus grylle

—”œ›

Uria aalge

ƒŽƒ

Alca torda

kormoran

Phalacrocorax carbo

™›†”œ›‘•–”‘•–‡”›

Stercorarius parasiticus

mewa siwa

Larus canus

mewa żółtonoga 

Larus fuscus

mewa srebrzysta

Larus argentatus

mewa siodłata 

Larus marinus

”›„‹–™ƒ™‹‡Ž‘†œ‹‘„ƒ

Hydroprogne caspia

rybitwa czubata

Thalasseus sandvicensis

rybitwa rzeczna

Sterna hirundo

”›„‹–™ƒ’‘’‹‡Žƒ–ƒ

Sterna paradisaea

rybitwa białoczelna

Sternula albifrons

ohar

Tadorna tadorna

ostrygojad

Haematopus ostralegus

szablodziób 

Recurvirostra avosetta

sieweczka obrożna

Charadrius hiaticula

ƒ—•œ‹

Arenaria interpres

„‹‡‰—•œ‹‡›

Calidris alpina

– 211 –



”—’ƒ

Cały Bałtyk

Poz. 230

”‡†



ƒ–

pelagic

1.0697

0.01

↑

pelagic

ͲǤͻ͵Ͷͺ ͲǤͲʹͲʹ

↓

ͳǤͲͷͻ͹ ͲǤͲͲͷͳ

↑

pelagic

pelagic

pelagic

pelagic

surface

ͳǤͲͳͷͻ ͲǤͲͲ͵ͳ

ͳǤͲͷ

ͲǤͲͳʹͺ

1.0531 0.0129





↑

ƒ•‡‘”Š‘Ž•‹

”‡†



ͲǤͻ͸͵ͷ ͲǤͲͲͶͷ

1.0368 0.0121





ƒ–

ƒ•‡ ‘–Žƒ†œ‹

”‡†



ƒ–

↑

↓

↑

ͳǤͲͲͺͷ

1.0576

ͲǤͲͲͶͺ

0.007

→



ͳǤͲͶ͵ʹ

ͲǤͲͲͻͶ

↑

ǫ

ͳǤͲͲͺͷ

ͲǤͲͲ͵͹

↑

↑

ͲǤͻͲ͵ͷ

ͲǤ͵ʹͻ

ǫ

↑

1.0108 0.0067

→

1.0019

0.0035

→



ͳǤͲͳͳ

ͲǤͲͲͻ͵



ͲǤͻ͹ͶͶ ͲǤͲͶ͸Ͷ





ͳǤͲ͵ͷͻ

ͲǤͲͳʹ͹

↑

surface

1.0011 0.0025

→

0.955

0.0033

↓

0.9846

0.0034

→

surface

surface

ͲǤͻͲͳͶ ͲǤͲͳ͵͸

0.9439 0.0026

↓↓

↓↓

ͳǤͲͻͷʹ ͲǤͲͳ͹ͷ

1.0055 0.0031

↑↑

→

ͳǤͲͲʹͺ

0.9988

ͲǤͲͳͳ͵

0.0032

→

surface

ͲǤͻ͵ͷʹ ͲǤͲͲʹͳ

↓↓

→

ͳǤͲͷͶͺ ͲǤͲͳ͹͹

ͲǤͻͲ͵͹ ͲǤͲʹͻͳ

↑

ͲǤͻͶ͵ͻ

↓↓

0.9652 0.0175

?

ͳǤͲͲͻͻ

ͲǤͲͲͳͺ

1.016

0.0071

→

↑

surface

ͲǤͲͲͻ

surface

surface

1.0628 0.0061

↑

0.9772 0.0052

↓

1.0614

0.0263

↑

surface

surface

ͳǤͲͷͲ͵ ͲǤͲͲͶʹ

1.0154 0.0111

↑

→

ͲǤͻͶͲ͹ ͲǤͲͲ͸ͺ

0.9921 0.0064

↓

→

ͳǤͲ͵͵ͺ

0.9954

ͲǤͲͲͷ͹

0.0036

↑

→

wading

0.962

0.0054

↓

1.0003 0.0045

→

0.9976

0.0027

→

wading 0.9979 0.0019

→

0.982

0.0033

↓

1.0148

0.003

↑

wading

↓

ͲǤͻͺͲͷ

ͲǤͲͲ͸

↓

↓

ͲǤͻ͹ͻ

1.0019

ͲǤͲͲ͵ͳ

0.01

↓

→







ͲǤͻͶͷʹ

ͲǤͲͲ͵ͳ

↓

wading 1.0166 0.0036

↑

wading

ͲǤͻ͵͹Ͷ ͲǤͲͲͷͳ

↓↓

wading

ͲǤͻͳͳ͸ ͲǤͲʹ͹Ͷ

↓↓

0.9799 0.0041

ͲǤͺͺͲ͸ ͲǤͲͳͳ͹

↓↓

ͲǤͻͲ͹ʹ

ͲǤͲͲ͹Ͷ

→

ͳǤͲͲ͹͸

ͲǤͻͷͻ͸ ͲǤͲͳ͸͹

↓

↓

ͲǤͲͲ͹͹

↓↓

Dla każdego gatunku podano średnie roczne tempo zmian liczebności (Trend) oraz błąd standardowy (SEȌǤ ‘‰”—„‹‘‘ ‰ƒ–—‹

regularnie gniazdujące w Polsce w badanym okresie. Brak wpisu oznacza, że ocena nie była możliwa do przeprowadzenia ze względ—

na brak obecności gatunków lub bardzo niską liczebność. ƒ–‡‰‘”‹ƒ –”‡†— liczebności (KatȌǣ ↑↑ – •‹Ž› ™œ”‘•–ǡ ↑ – —‹ƒ”‘™ƒ›

™œ”‘•–ǡ→–•–ƒ„‹Ž›ǡ↓↓–•‹Ž›•’ƒ†‡ǡ↓–—‹ƒ”‘™ƒ›•’ƒ†‡ǡǫ–nieokreślony. ”—’ƒˆ— ›Œƒ’ƒ–”œ–ƒ„‡ŽƒʹǤͳǤʹͳǤ

 ƒ–—‹—•œ‡”‡‰‘™ƒ‘™‰”—’ƒ Šˆ— ›Œ› Š™edług porządku •›•–‡ƒ–› œ‡‰‘ȋ ʹͲͳͺȌǤ







ʹͲʹ

ƒ„‡ŽƒʹǤͳǤʹͷǤ Średnie wartości wskaźników liczebności w latach 2011Ǧ2016 służące ocenie dobrego stanu

dla 30 gatunków lęgowych ptaków na całym Morzu Bałtyckim, w Basenie Bornholm•‹‹

ƒ•‡‹‡ ‘–Žƒ†œ‹(źródło danych PMŚ, HELCOM)Ǥ

ƒ–—‡

‡†”‡†‘Somateria mollissima

—ŠŽƒMelanitta fusca

czernica Aythya fuligula

ogorzałka Aythya marila

łabędź niemy Cygnus olor

bernikla białolica Branta leucopsis

gęgawa Anser anser

nurogęś Mergus merganser

•œŽƒ Šƒ”Mergus serrator

perkoz dwuczuby Podiceps cristatus

—”‹Cepphus grylle

—”œ›Uria aalge

ƒŽƒAlca torda

kormoran Phalacrocorax carbo

”—’ƒ

ˆ— ›Œƒ

„‡–Š‹ 

„‡–Š‹ 

benthic

„‡–Š‹ 

grazing

‰”ƒœ‹‰

grazing

Wskaźnik dla lat 2011ǦʹͲͳ͸

ƒ•‡

Cały

ƒ•‡

‘”Š‘Ž

Bałtyk

‘–Žƒ†œ‹

•‹

Ͳǡͻ͹͵

ͳǡͶͶʹ

Ͳǡͳ͵ͳ

Ͳǡͷʹͳ

ͲǡͶͻͷ

1,214

0,598

1,438

ͳǡͳͷͻ

1,188

0,749

1,219

2,1

pelagic

’‡Žƒ‰‹ 

pelagic

’‡Žƒ‰‹ 

’‡Žƒ‰‹ 

’‡Žƒ‰‹ 

pelagic

0,858

Ͳǡͻ͹͵

2,759

ʹǡͲ͸͵

ͳǡ͹ʹͳ

ͳǡͳͶ͵

0,977

1,875

Ͳǡͷʹʹ

1,791

surface

•—”ˆƒ ‡

surface

•—”ˆƒ ‡

•—”ˆƒ ‡

surface

0,752

Ͳǡͻ͹͵

0,948

Ͳǡ͵ʹ͹

ͳǡͳ͹͸

surface

•—”ˆƒ ‡

surface

ohar Tadorna tadorna

wading

ostrygojad Haematopus ostralegus

wading

szablodziób Recurvirostra avosetta

™ƒ†‹‰

sieweczka obrożna Charadrius hiaticula wading

ƒ—•œ‹Arenaria interpres

™ƒ†‹‰

„‹‡‰—•œ‹‡›Calidris alpina

™ƒ†‹‰

2,919

ͳǡͺͻͶ

0,951

0,996

1,284

Ͳǡ͸ʹ͵

1,027

Ͳǡ͵͹͹

Ͳǡͳͷͳ

™›†”œ›

‘•–”‘•–‡”›

Stercorarius

parasiticus

mewa siwa Larus canus

mewa żółtonoga Larus fuscus

mewa srebrzysta Larus argentatus

mewa siodłata Larus marinus

”›„‹–™ƒ™‹‡Ž‘†œ‹‘„ƒHydroprogne caspia

rybitwa

czubata

Thalasseus

sandvicensis

rybitwa rzeczna Sterna hirundo

”›„‹–™ƒ’‘’‹‡Žƒ–ƒSterna paradisaea

rybitwa białoczelna Sternula albifrons

•—”ˆƒ ‡

ͳǡͳͺͺ

1,445

1,834

Ͳǡ͵ͳͷ

0,843



ͲǡͲͺͺ

ͲǡͶ͸ͷ

1,154

0,852

ͳǡ͵Ͳͻ

3,067

ͲǡʹͺͶ

ʹǡ͵Ͳ͸

ʹǡͶͶʹ

2,05



0,423

ͶǡͶͲͳ

1,097

ͳǡ͸͸ͻ

ͲǡͳʹͶ



1,049

ͲǡͳͶͳ

0,351

Ͳǡʹ͹͵

ͳǡͳͺ͸

0,486

0,69

Ͳǡ͵Ͳ͹

0,878

1,033

0,719

Ͳǡ͸͹͹

0,699

ͲǡͲͻʹ



3,298

ʹǡ͸ʹ

1,242

0,498

0,964

Ͳǡͷʹ͵

1,285

Ͳǡ͵ͳ

ͲǡͲͻ͵

‘‰”—„‹‘‘ ‰ƒ–—‹ regularnie gniazdujące w Polsce w badanym okresie. Brak wpisu oznacza, że ocena nie była możliwa do

przeprowadzenia, ze względu na brak obecności gatunków lub bardzo niską liczebność. Wskaźniki, które osiągnęły dobry stan

środowiska (GES) zaznaczono kolorem zielonym (wartość ≥0,7, a dla gatunków składających rocznie 1 jajo –0,8), a wskaźniki które

nie osiągnęły dobrego stanu (subGES) kolorem czerwonym. Grupa funkcyjna patrz tabela ʹǤͳǤʹͳǤ ƒ–—‹ ™ ‰”—’ƒ Š ˆ— ›Œ› Š

™edług porządku systematycznego (KF 2ͲͳͺȌǤ



Łabędź niemy Cygnus olor

Łabędź niemy w latach 2011Ǧ2016 osiągnął dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,188), jak i w obrębie Basenu Bornholmskiego

‘”ƒœƒ•‡—Gotlandzkiego (wartości wskaźników od’‘™‹‡†‹‘Ͳǡ͹Ͷͻ‘”ƒœͳǡͺ͵ͶȌǤ ƒ–—‡–‡

odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej w

pasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ



ʹͲ͵



›•ǤʹǤͳǤ͵ʹǤ Roczne wskaźniki liczebności łabędzia niemego (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Bernikla białolica Branta leucopsis

Bernikla białolica to północny gatunek gęsi, który nie odbywa lęgów w Polsce. Nad Morzem

Bałtyckim jest ‘ƒ lęgowƒ –›Ž‘ ƒ –‡”‡‹‡ ƒ•‡— ‘–Žƒ†œ‹‡‰‘Ǥ  Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸ ‹‡

osiągnęła tam dobrego stanu środowiska (GES), gdyż wartość wskaźnika wynosiła 0,315.



›•ǤʹǤͳǤ͵͵Ǥ Roczne wskaźniki liczebności bernikli białolicej (niebieska linia) w skali basenu

Gotlandzkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie

dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu środowiska

ȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ

Gęgawa Anser anser

Gęgawa w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali całego

Morza Bałtyckiego (wskaźnik 1,219), jak i w obrębie Basenu Bornholmskiego oraz Basenu

Gotlandzkiego (wartość wskaźnika odpowiednio 2,1 oraz 0,843). Gatunek ten odbywa lęgi na

polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej w pasie

nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ



ʹͲͶ

›•ǤʹǤͳǤ͵ͶǤ Roczne wskaźniki liczebności gęgawy (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Edredon Somateria molissima

†”‡†‘™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 0,973) i w obrębie Basenu Bornholmskiego (wartość wskaźnika

1,442), jednak nie osiągnął GES w obrębie Basenu Gotlandzkiego (wskaźnik 0,131). Lęgi tego

gatunku na polskim wybrzeżu Bałtyku stwierdzane są wyjątkowoǤ ane pochodzą z innych

państw nadbałtyckichǤ



›•ǤʹǤͳǤ͵ͷǤ Roczne wskaźniki liczebności edredona (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu(gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Uhla Melanitta fusca

ŠŽƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 nie osiągnęła dobrego stanu środowiskowego (GES) zarówno w

skali całego Morza Bałtyckiego (wartość wskaźnika 0,521), jak i w obrębie Basenu Gotlandzkiego

(wartość wskaźnika 0,495). Gatunek nie odbywa lęgów w Basenie Bornholmskim oraz w Polsce.

Dane pochodzą z innych państw nadbałtyckichǤ



ʹͲͷ

›•ǤʹǤͳǤ͵͸Ǥ Roczne wskaźniki liczebności uhli (niebieska linia) w skali całego Bałtyku oraz Basenu

Gotlandzkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie

dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu środowiska

ȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ

Nurogęś Mergus merganser

Nurogęś w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0ǡͺͷͺȌǡ Œƒ ‹ ™ ‘brębie Basenu Bornholmskiego

‘”ƒœ ƒ•‡— Gotlandzkiego (wartości wskaźników odpowiednio 1,875 i 0,852). Gatunek ten

odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej w

pasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ

›•ǤʹǤͳǤ͵͹Ǥ Roczne wskaźniki liczebności nurogęsi (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Szlachar Mergus serrator

œŽƒ Šƒ”™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnął dobry stan środowiska(GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 0,973) i Basenu Gotlandzkiego (wartość wskaźnika 1,309), nie

osiągnął go jednak w skali Basenu Bornholmskiego (wartość wskaźnika 0,522). Gatunek ten nie

odbywa lęgów na polskim wybrzeżu BałtykuǤƒne pochodzą z innych państw nadbałtyckich.



ʹͲ͸



›•ǤʹǤͳǤ͵ͺǤ Roczne wskaźniki liczebności szlachara (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Ohar Tadorna tadorna

Šƒ” ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 0,996) i Basenu Bornholmskiego (wartość wskaźnika 1,033), nie

osiągnął go jednak w skali Basenu Gotlandzkiego (wartość wskaźnika 0,498). Gatunek ten odbywa

lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej w pasie

nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ





›•ǤʹǤͳǤ͵ͻǤ Roczne wskaźniki liczebności ohara (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) ȋźródło danych PMŚ,

ȌǤ

Czernica Aythya fuligula

œ‡”‹ ƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 1,214) i Basenu Gotlandzkiego (wartość wskaźnika 1,438), nie

osiągnęła go jednak w skƒŽ‹ ƒ•‡— Bornholmskiego (wartość wskaźnika 0,598). Gatunek ten



ʹͲ͹

odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej w

pasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ





›•ǤʹǤͳǤͶͲǤ Roczne wskaźniki liczebności czernicy (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu środowiska (GES) (0,7; cienka czerwona linia) (źródło danych PMŚ,

ȌǤ

Ogorzałka Aythya marila

Ogorzałka w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 1,159). Gatunek nie był oceniany w mniejszej skali przestrzennej

ze względu na niewystarczającą liczebność. Gatunek ten nie odbywa lęgów na polskim wybrzeżu

BałtykuǤane pochodzą z innych państw nadbałtyckichǤ

›•ǤʹǤͳǤͶͳǤ Roczne wskaźniki liczebności ogorzałki (niebieska linia) w skali całego Bałtyku wraz ze

średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie dobrego stanu (gruba

czerwona linia) oraz wartością graniczną dobrego stanu środowiska (GES) (0,7; cienka

œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ

Perkoz dwuczuby Podiceps cristatus

‡”‘œ†™— œ—„›™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) zarówno w

skali całego Morza Bałtyckiego (wartość wskaźnika 2,759), jak i w obrębie Basenu

‘”Š‘Ž•‹‡‰‘‘”ƒœƒ•‡—Gotlandzkiego (wskaźniki odpowiednio 1,791 oraz 3,067). Gatunek

ten odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej

w pasie nadmorskim. Dane pochodzą z innych państwnadbałtyckichǤ



ʹͲͺ

›•ǤʹǤͳǤͶʹǤ Roczne wskaźniki liczebności perkoza dwuczubego (niebieska linia) w skali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Ostrygojad Haematopus ostralegus

•–”›‰‘Œƒ† ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,284), jak i w obrębie Basenu Bornholmskiego

‘”ƒœ ƒ•‡— Gotlandzkiego (wartości wskaźnika odpowiednio 0,719 oraz 0,964). Gatunek ten

odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty monitoringiem populacji lęgowej w

pasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ

›•ǤʹǤͳǤͶ͵Ǥ Roczne wskaźniki liczebności ostrygojada (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Szablodziób Recurvirostra avosetta

Szablodziób w latach 2011Ǧ2016 nie osiągnął dobrego stanu środowiskowego (GES) ani w

skali całego Morza Bałtyckiego (wartość wskaźnika 0,623), ani w obrębie Basenu‘”Š‘Ž•‹‡‰‘

‹ƒ•‡—Gotlandzkiego (wartości wskaźnika odpowiednio 0,677 oraz 0,523). Lęgi tego gatunku

stwierdzane są na polskim wybrzeżu Bałtyku wyjątkowoǤ ane pochodzą z innych państw

nadbałtyckichǤ



ʹͲͻ

›•ǤʹǤͳǤͶͶǤ Roczne wskaźniki liczebności szablodzioba (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Sieweczka obrożna Charadrius hiaticula

Sieweczka obrożna w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,027) i w Basenie Gotlandzkim (wartość

wskaźnika 1,285), natomiast nie osiągnęła go w skali Basenu Bornholmskiego (wartość

wskaźnika 0,699). Gatunek ten odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest objęty

monitoringiem populacji lęgowej w pasie nadmorskim. Dane pochodzą z innych państw

nadbałtyckichǤ

›•ǤʹǤͳǤͶͷǤ Roczne wskaźniki liczebności sieweczki obrożnej (niebieska linia) w skali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡— ‘–Žƒ†œ‹‡‰‘wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona lini)(źródło danych PMŚ,

ȌǤ

Kamusznik Arenaria interpres

ƒ—•œ‹™Žƒ–ƒ ŠʹͲͳͳǦ2016 nie osiągnął dobrego stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 0,377) oraz w obrębie Basenu Gotlandzkiego (wartość

wskaźnika 0,31). Gatunek nie był oceniany w Basenie Bornholmskim ze względu na zbyt niską

liczebność. Gatunek ten nie odbywa lęgów na polskim wybrzeżu BałtykuǤane pochodzą z innych

państw nadbałtyckich.



ʹͳͲ

›•ǤʹǤͳǤͶ͸Ǥ Roczne wskaźniki liczebności kamusznika (niebieska linia) w skali całego Bałtyku oraz

Basenu Gotlandzkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w

ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu

środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ, HELCOM)Ǥ

Biegus zmienny Calidris alpina

‹‡‰—•œ‹‡›™Žƒ–ƒ ŠʹͲͳͳǦ2016 nie osiągnął dobrego stanu środowiska (GES) ani w

skali całego Morza Bałtyckiego (wartość wskaźnika 0,151), ani w obrębie Basenu‘”Š‘Ž•‹‡‰‘

ƒ‹ƒ•‡—Gotlandzkiego (wartość wskaźnika o†’‘™‹‡†‹‘ͲǡͲͻʹ‘”ƒœͲǡͲͻ͵ȌǤ„‡ ‹‡‰ƒ–—‡

ten najprawdopodobniej nie odbywa już lęgów na polskim wybrzeżu Bałtyku (wyniki programu

MBZ). W Polsce jest objęty corocznym monitoringiem w ramach PMŚǤ

›•ǤʹǤͳǤͶ͹Ǥ Roczne wskaźniki liczebności biegusa zmiennego (niebieska linia) w skali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Nurnik Cepphus grylle

—”‹ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 2,063), nieosiągnął go jednak w obrębie Basenu Gotlandzkiego

(wartość wskaźnika 0,284). Gatunek nie był oceniany w Basenie Bornholmskim ze względu na

zbyt niską liczebność. Gatunek ten nie odbywa lęgów na polskim wybrzeżu BałtykuǤ ƒ‡

pochodzą z innych państw nadbałtyckich.



ʹͳͳ

›•ǤʹǤͳǤͶͺǤ Roczne wskaźniki liczebności nurnika (niebieska linia) w skali całego Bałtyku oraz Basenu

Gotlandzkiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie

†‘„”‡‰‘stanu (gruba czerwona linia) oraz wartością graniczną dobrego stanu środowiska

ȋ ȌȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ

Nurzyk Uria aalge

—”œ›™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego(wartość wskaźnika 1,721) i Basenu Gotlandzkiego (wartość wskaźnika 2,306), nie

osiągnął go jednak w skali BasenuBornholmskiego (wartość wskaźnika 0,088). Gatunek ten nie

odbywa lęgów na polskim wybrzeżu BałtykuǤane pochodzą z innych państw nadbałtycki ŠǤ



›•ǤʹǤͳǤͶͻǤ Roczne wskaźniki liczebności nurzyka (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą wocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu (cienka czerwona linia, gatunek składający 1 jajo więc równa 0,8) (źródło

danych PMŚ, HELCOM)Ǥ

Alka Alca torda

Žƒ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali całego Morza

Bałtyckiego (wartość wskaźnika 1,143) i Basenu Gotlandzkiego (wartość wskaźnika 2,442), nie

osiągnęła go jednak w skali BasenuBornholmskiego (wartość wskaźnika 0,465). Gatunek ten nie

odbywa lęgów na polskim wybrzeżu BałtykuǤƒ‡pochodzą z innych państw nadbałtyckich.



ʹͳʹ

›•ǤʹǤͳǤͷͲǤ Roczne wskaźniki liczebności alki (niebieska linia) w skali całego Bałtyku oraz ƒ•‡—

‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w latach

ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością graniczną

dobrego stanu (cienka czerwona linia, gatunek składający 1 jajo więc równa 0,8) (źródło

danych PMŚ, HELCOM)Ǥ

Wydrzyk ostrosterny Stercorarius parasiticus

Wydrzyk ostrosterny nie odbywa lęgów w Basenie Gotlandzkim i ƒ•‡‹‡‘”Š‘Ž•‹ǡ

nie podlega więc tu ocenie. W latach 2011Ǧ2016 gatunek ten osiągnął dobry stan środowiska

(GES) w skali całego Morza Bałtyckiego (wartość wskaźnika 1,188).

›•ǤʹǤͳǤͷͳǤ Roczne wskaźniki liczebności wydrzyka ostrosternego (niebieska linia) w skali całego

Bałtyku wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w ocenie dobrego

•–ƒ— ȋ‰”—„ƒ œ‡”™‘ƒ Ž‹‹ƒȌ ‘”ƒœ ™ƒ”tością graniczną dobrego stanu środowiska (GES)

ȋͲǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ, HELCOM)Ǥ

Mewa siwa Larus canus

‡™ƒ •‹™ƒ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 0,752) i Basenu Gotlandzkiego (wartość wskaźnika

1,049), nie osiągnęła go jednak w skali Basenu Bornholmskiego (wartość wskaźnika 0,423).

Gatunek ten odbywa lęgi na polskim wybrzeżu Bałtyku, nie jest objęty aktualnie monitoringiem

populacji lęgowej wpasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ



ʹͳ͵

›•ǤʹǤͳǤͷʹǤ Roczne wskaźniki liczebności mewy siwej (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— ‘–Žƒ†œ‹‡‰‘ wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Mewa żółtonoga Larus fuscus

Mewa żółtonoga w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 0,973) i Basenu Bornholmskiego (wartość wskaźnika

4,401), nie osiągnęła go jednak w skali Basenu Gotlandzkiego (wartość wskaźnika 0,141). Gƒ–—‡

ten bardzo rzadko odbywa lęgi na polskim wybrzeżu Bałtyku, i jako taki nie jest objęty

monitoringiem populacji lęgowejǤane pochodzą z innych państw nadbałtyckichǤ



›•ǤʹǤͳǤͷ͵Ǥ Roczne wskaźniki liczebności mewy żółtonogiej (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ



ʹͳͶ

Mewa srebrzysta Larus argentatus

‡™ƒ•”‡„”œ›•–ƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 0,948) i Basenu Bornholmskiego (wartość wskaźnika

1,097), nie osiągnęła go jednak w skali Basenu Gotlandzkiego (wartość wskaźnika 0,351). Gatunek

ten odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest obecnie objęty monitoringiem populacji

lęgowej w’ƒ•‹‡ƒ†‘”•‹ǤDane pochodzą z innych państw nadbałtyckichǤ

›•ǤʹǤͳǤͷͶǤ Roczne wskaźniki liczebności mewy srebrzystej (niebieska linia) w skali całego Bałtyku ‘”ƒœ

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— ‘–Žƒ†œ‹‡‰‘ ™”ƒœ œ‡ średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Mewa siodłata Larus marinus

Mewa siodłata wŽƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) jedynie w skali

Basenu Bornholmskiego (wartość wskaźnika 1,669), nie osiągnęła go w skali całego Morza

Bałtyckiego (wartość wskaźnika 0,327) i Basenu Gotlandzkiego (wartość wskaźnika 0,273).

ƒ–—‡–en nie odbywa lęgów na polskim wybrzeżu BałtykuǤane pochodzą z innych państw

nadbałtyckichǤ

›•ǤʹǤͳǤͷͷǤ Roczne wskaźniki liczebności mewy siodłatej (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ



ʹͳͷ

Rybitwa wielkodzioba Hydroprogne caspia

›„‹–™ƒ™‹‡Ž‘†œ‹‘„ƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,176) i BasenuGotlandzkiego (wartość wskaźnika

1,186), nie osiągnęła go jednak w skali Basenu Bornholmskiego (wartość wskaźnika 0,124).

Gatunek ten nie odbywa lęgów na polskim wybrzeżu BałtykuǤane pochodzą z innych państw

nadbałtyckichǤ

›•ǤʹǤͳǤͷ͸Ǥ Roczne wskaźniki liczebności rybitwy wielkodziobej (niebieska linia) w skali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Rybitwa czubata Thalasseus sandvicensis

›„‹–™ƒ œ—„ƒ–ƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 1,445), nie osiągnęła go jednak w skali Basenu

Bornholmskiego (wartość wskaźnika 0,486). Gatunek nie był oceniany w Basenie Gotlandzkim ze

względu na zbyt niską liczebność. Gatunek ten odbywa lęgi na polskim wybrzeżu Bałtyku i od

ʹͲͳͷ”ǤŒ‡•–‘‹–‘”‘™ƒ›™”ƒƒ ŠPMŚǤ

›•ǤʹǤͳǤͷ͹Ǥ Roczne wskaźniki liczebności rybitwy czubatej (niebieska linia) w skali całego Bałtyku oraz

Basenu Bornholmskiego wraz ze średnią wartością wskaźnika w latach 2011Ǧ2016 użytą w

‘ ‡‹‡ †‘„”‡‰‘ •–ƒ— (gruba czerwona linia) oraz wartością graniczną dobrego stanu

środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ, HELCOM)Ǥ

Rybitwa rzeczna Sterna hirundo

›„‹–™ƒ”œ‡ œƒ™Žƒ–ƒ ŠʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali całego

Morza Bałtyckiego (wartość wskaźnika 2,919) i Basenu Gotlandzkiego (wartość wskaźnika



ʹͳ͸

3,298), nie osiągnęła go jednak w skali Basenu Bornholmskiego (wartość wskaźnika 0,307).

Gatunek ten odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest wciąż objęty m‘‹–‘”‹‰‹‡

populacji lęgowej w pasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ

›•ǤʹǤͳǤͷͺǤ Roczne wskaźniki liczebności rybitwy rzecznej (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Rybitwa popielata Sterna paradisea

›„‹–™ƒ ’‘’‹‡Žƒ–ƒ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnęła dobry stan środowiska (GES) w skali

całego Morza Bałtyckiego (wartość wskaźnika 1,894) i Basenu Gotlandzkiego (wartość wskaźnika

2,62), nie osiągnęła go jednak w skali ƒ•‡—Bornholmskiego (wskaźnik 0,307). Gatunek ten nie

odbywa lęgów na polskim wybrzeżu BałtykuǤane pochodzą z innych państw nadbałtyckichǤ

›•ǤʹǤͳǤͷͻǤ Roczne wskaźniki liczebności rybitwy popielatej ȋ‹‡„‹‡•ƒ Ž‹‹ƒȌ ™ •kali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnika

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0ǡ͹Ǣ ‹‡ƒ œ‡”™‘ƒŽ‹‹ƒȌ(źródło danych PMŚ,

ȌǤ

Rybitwa białoczelna Sternula albifrons

Rybitwa białoczelna w latach 2011Ǧ2016 osiągnęła dobry stan środowiska (GES) zarówno

w skali całego Morza Bałtyckiego (wartość wskaźnika 0,977), jak i w obrębie ƒ•‡—

‘”Š‘Ž•‹‡‰‘‹‘”ƒœƒ•‡—Gotlandzkiego (wartości wskaźników odpowiednio 0,878 i 1,242).

Gatunek ten odbywa lęgi na polskim wybrzeżu Bałtyku, ale nie jest obecnie objęty monitoringiem

populacji lęgowej w pasie nadmorskim. Dane pochodzą z innych państw nadbałtyckichǤ



ʹͳ͹

›•ǤʹǤͳǤ͸ͲǤ Roczne wskaźniki liczebności rybitwy białoczelnej (niebieska linia) w skali całego Bałtyku

‘”ƒœƒ•‡—‘”Š‘Ž•‹‡‰‘‹ƒ•‡—Gotlandzkiego wraz ze średnią wartością wskaźnikƒ

™Žƒ–ƒ ŠʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

Kormoran Phalacrocorax carbo

‘”‘”ƒ ™ Žƒ–ƒ Š ʹͲͳͳǦ2016 osiągnął dobry stan środowiska (GES) zarówno w skali

całego Morza Bałtyckiego (wartość wskaźnika 0,977), jak i w obrębie Basenu Bornholmskiego

‘”ƒœ ƒ•‡— Gotlandzkiego (wartości wskaźników odpowiednio 1,154 i 2,05). Gatunek ten

odbywa lęgi na polskim wybrzeżu BałtykuǤ ƒ‡ œ Žƒ– ʹͲͳͷ ‹ 2016 dla Polski pochodzą z

‘‹–‘”‹‰—‘”‘”ƒƒ™PMŚǤ

›•ǤʹǤͳǤ͸ͳǤ Roczne wskaźniki liczebności kormorana (niebieska linia) w skali całego Bałtyku oraz

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— Gotlandzkiego wraz ze średnią wartością wskaźnika w

Žƒ–ƒ Š ʹͲͳͳǦ2016 użytą w ocenie dobrego stanu (gruba czerwona linia) oraz wartością

graniczną dobrego stanu środowiska (GES) (0,7; cienka czerwona linia)(źródło danych PMŚ,

ȌǤ

 ƒ•‡‹‡ ‘”Š‘Ž•‹ ‹ ƒ•‡‹‡ Gotlandzkim wskaźnik liczebności lęgowych ptaków

wodnych znalazł się poniżej dobrego stanu środowiska. Stan GES osiągnęło w tych obszarach

odpowiednio 50% i 59% gatunków (progowa wartość to 75%). Zły stan środowiska stwierdœ‘‘

również dla wyszczególnionych grup ˆ— ›Œ› Š, oprócz ptaków roślinożernych ȋgrazing

feeders) w Basenie Bornholmskim oraz gatunków pelagicznych (pelagic feeders) ™ ƒ•‡‹‡

‘–Žƒ†œ‹Ǥ

obszarze całego Bałtyku jedynie 5 gatunków nie osiągnęło dobrego stanu środowiska.

Wskaźnik liczebności lęgowych ptaków wodnych wskazuje więc na dobry stan ptaków tej grupy,



ʹͳͺ

gdyż 83% gatunków osiągnęło GES (próg 75%, –ƒ„‡ŽƒʹǤͳǤʹ͸ȌǤPodobna sytuacja miała miejsce

wśród pięciu wydzielonych grup funkcyjnych, wśród których cztery osiągnęły dobry stan: ptaki

zdobywające pokarm przy powierzchni (surface feeders)ǡ ‰ƒ–—‹ ’‡Žƒ‰‹ œ‡ ȋpelagic feeders)ǡ

„‡–‘•‘™‡ȋbenthic feedersȌ‘”ƒœroślinożerneȋgrazing feeders). Jedynie ptaki brodzące (wading

feeders) znalazły się poniżej granicy GES.

ƒ„‡ŽƒʹǤͳǤʹ͸Ǥ Średnie wartości wskaźnika liczebności ptaków lęgowych w latach 2011ǦʹͲͳ͸ †Žƒ

wszystkich gatunków oraz 5 grup funkcyjnych na całym Morzu Bałtyckim, w Basenie

‘”Š‘Ž•‹‹ƒ•‡‹‡ ‘–Žƒ†œ‹(źródło danych PMŚ, HELCOM)Ǥ

Rodzaj wskaźnika

™•œ›•–‹‡‰ƒ–—‹

benthic feeders

grazing feeders

pelagic feeders

surface feeders

wading feeders

ƒ•‡

‘”Š‘Ž•‹

ͲǡͷͲ

ͲǡͷͲ

ͳǡͲͲ

ͲǡͷͲ

ͲǡͶͶ

ͲǡͶͲ

Cały Bałtyk

Ͳǡͺ͵

Ͳǡ͹ͷ

ͳǡͲͲ

ͳǡͲͲ

ͲǡͻͲ

ͲǡͷͲ

ƒ•‡

‘–Žƒ†œ‹

Ͳǡͷͻ

Ͳǡ͵͵

Ͳǡ͸͹

Ͳǡͺ͸

Ͳǡ͸͵

Ͳǡ͵͵



Wskaźniki, które osiągnęły dobry stan środowiska (GES) zaznaczono kolorem zielonym (wartość ≥0,75), a wskaźniki które nie

osiągnęły dobrego stanu (subGES) kolorem czerwonym. Grupa funkcyjna patrz –ƒ„‡ŽƒʹǤͳǤʹͲǤ



Zintegrowan ocena ptaków wodnych



Zintegrowaną ocenę dla ptaków wodnych dla lat 2011Ǧ2016 dokonano w oparciu o wyżej

opisane wyniki wskaźników zmian liczebności w sezonie lęgowym i w okresie zimowania w

dwóch obszarach: w ƒ•‡‹‡ ‘–Žƒ†œ‹ ‹ ƒ•‡‹‡ ‘”Š‘Ž•‹Ǥ   ‘„— ‘„•œƒ”ƒ Š †‘

œ‹–egrowanej oceny trafiły wyniki dla 35 gatunków, przy czym skład gatunkowy pomiędzy

basenami był różny, co wynikało z różnego rozmieszczenia gatunków w ƒ•‡‹‡ ‘”œƒ

Bałtyckiego. Ocenę przeprowadzono w dwóch etapach. W pierwszym etapie dokonano integracji

†anych pochodzących ze wskaźników liczebności ptaków wodnych w okresie lęgowym i

zimowania metodą OOAO (–ƒ„‡ŽƒʹǤͳǤʹ͹‹–ƒ„‡ŽƒʹǤͳǤʹͺȌǤ†”—‰‹‡–ƒ’‹‡†‘‘ƒ‘‘ ‡›†Žƒ

wszystkich ptaków wodnych oraz dla 5 grup funkcyjnych w Basenie Bornholmskim i ƒ•‡‹‡

Gotlandzkim metodą proporcjonalności zaproponowaną przez HELCOM (dobry stan ™ ‰”—’‹‡

można określić jeśli uzyskało go więcej niż 75% gatunków). Ostateczne wyniki zawiera –ƒ„‡Žƒ

ʹǤͳǤʹ͹Ǥ



ƒ„‡ŽƒʹǤͳǤʹ͹Ǥ Zintegrowana ocena stanu ptaków wodnych w Basenie Bornholmskim za lata 2011ǦʹͲͳ͸Ǥ

Brak wpisu oznacza, że ocena nie była możliwa do przeprowadzenia, ze względu na brak

obecności gatunków lub bardzo niską liczebność. Wskaźniki, które osiągnęły dobry stan

środowiska (GES) zaznaczono kolorem zielonym, a wskaźniki które nie osiągnęły dobrego

•–ƒ— ȋ•—„ Ȍ ‘Ž‘”‡ œ‡”™‘›Ǥ ”—’ƒ ˆ— ›Œƒ ’ƒ–”œ –ƒ„‡Žƒ ʹǤͳǤʹͲǤ ƒ–—‹

—•œ‡”‡‰‘™ƒ‘™‰”—’ƒ Šˆ— ›Œ› Š™edług porządku systematycznego (KF 2018).

ƒ–—‡

‡†”‡†‘Somateria mollissima

gągoł Bucephala clangula

głowienka Aythya ferina

œ‡”‹ ƒAythya fuligula

ogorzałka Aythya marila



Wskaźnik Wskaźnik

liczebności liczebności

zimujących lęgowych

ptaków

ptaków

‹–‡‰”‘™ƒƒ

”—’ƒˆ— ›Œƒ ™‘†› Š ™‘†› Š

‘ ‡ƒ

benthic

Ǧ





benthic



Ǧ



benthic

•—„ 

Ǧ

•—„ 

benthic



•—„ 

•—„ 

benthic



Ǧ



ʹͳͻ

ƒ–—‡

łabędź niemy Cygnus olor

łabędź czarnodzioby Cygnus columbianus

łabędź krzykliwy Cygnus cygnus

gęgawa Anser anser

świstun Mareca penelope

krzyżówka Anas platyrhynchos

rożeniec Anas acuta

łyska Fulica atra

„‹‡Žƒ œ‡Mergellus albellus

nurogęś Mergus merganser

•œŽƒ Šƒ”Mergus serrator

’‡”‘œ†™— œ—„›Podiceps cristatus

ƒŽƒAlca torda

—”œ›Uria aalge

‘”‘”ƒPhalacrocorax carbo

‡™ƒ•‹™ƒLarus canus

mewa żółtonoga Larus fuscus

‡™ƒ•”‡„”œ›•–ƒLarus argentatus

mewa siodłata Larus marinus

”›„‹–™ƒ™‹‡Ž‘†œ‹‘„ƒHydroprogne caspia

”›„‹–™ƒ œ—„ƒ–ƒThalasseus sandvicensis

”›„‹–™ƒ”œ‡ œƒSterna hirundo

”›„‹–™ƒ’‘’‹‡Žƒ–ƒSterna paradisaea

rybitwa białoczelna Sternula albifrons

‘Šƒ”Tadorna tadorna

›”ƒ‡ œƒAnas crecca

‘•–”›‰‘Œƒ†Haematopus ostralegus

szablodziób Recurvirostra avosetta

sieweczka obrożna Charadrius hiaticula

„‹‡‰—•œ‹‡›Calidris alpina

Poz. 230

Wskaźnik Wskaźnik

liczebności liczebności

zimujących lęgowych

ptaków

ptaków

‹–‡‰”‘™ƒƒ

”—’ƒˆ— ›Œƒ ™‘†› Š ™‘†› Š

‘ ‡ƒ

grazing

grazing

grazing

grazing

grazing

grazing

grazing

grazing

pelagic

pelagic

pelagic

pelagic

pelagic

pelagic

pelagic

surface

surface

surface

surface

surface

surface

surface

surface

surface

wading

wading

wading

wading

wading

wading



•—„ 



Ǧ

















Ǧ

Ǧ



Ǧ

Ǧ

Ǧ



Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ



Ǧ

Ǧ

Ǧ

Ǧ



Ǧ

Ǧ



Ǧ

Ǧ

Ǧ

Ǧ

Ǧ



•—„ 



•—„ 

•—„ 



•—„ 







•—„ 

•—„ 

•—„ 

•—„ 





Ǧ



•—„ 

•—„ 

•—„ 



•—„ 

















•—„ 



•—„ 

•—„ 



•—„ 







•—„ 

•—„ 

•—„ 

•—„ 









•—„ 

•—„ 

•—„ 

ƒ„‡ŽƒʹǤͳǤʹͺǤ Zintegrowana ocena stanu ptaków wodnych w Basenie Gotlandzkim za lata ʹͲͳͳǦʹͲͳ͸Ǥ”ƒ

wpisu oznacza, że ocena nie była możliwa do przeprowadzenia, ze względu na brak

obecności gatunków lub bardzo niską liczebność. Wskaźniki, które osiągnęły dobry stan

środowiska (GES) zaznaczono kolorem zielonym, a wskaźniki które nie osiągnęły dobrego

•–ƒ— ȋ•—„ Ȍ ‘Ž‘”‡ œ‡”™‘›Ǥ ”—’ƒ ˆ— ›Œƒ ’ƒ–”œ –ƒ„‡Žƒ ʹǤͳǤʹͲǤ ƒ–—‹

—•œ‡”‡‰‘™ƒ‘™‰”—’ƒ Šˆ— ›Œ› Š™edług porządku systematycznego (KF 2018)Ǥ

ƒ–—‡

‡†”‡†‘Somateria mollissima

—ŠŽƒMelanitta fusca

gągoł Bucephala clangula



Wskaźnik Wskaźnik

liczebności liczebności

zimujących lęgowych

ptaków

ptaków ‹–‡‰”‘™ƒƒ

”—’ƒˆ— ›Œƒ ™‘†› Š ™‘†› Š

‘ ‡ƒ

benthic

Ǧ

•—„ 

•—„ 

benthic

Ǧ

•—„ 

•—„ 

benthic



Ǧ



ʹʹͲ

ƒ–—‡

głowienka Aythya ferina

œ‡”‹ ƒAythya fuligula

ogorzałka Aythya marila



łabędź niemy Cygnus olor

łabędź krzykliwy Cygnus cygnus

bernikla białolica Branta leucopsis

gęgawa Anser anser

krzyżówka Anas platyrhynchos

łyska Fulica atra

„‹‡Žƒ œ‡Mergellus albellus

nurogęś Mergus merganser

•œŽƒ Šƒ”Mergus serrator

’‡”‘œ†™— œ—„›Podiceps cristatus

—”‹Cepphus grylle

ƒŽƒAlca torda

—”œ›Uria aalge

‘”‘”ƒPhalacrocorax carbo

śmieszka Chroicocephalus ridibundus

‡™ƒ•‹™ƒLarus canus

mewa żółtonoga Larus fuscus

‡™ƒ•”‡„”œ›•–ƒLarus argentatus

mewa siodłata Larus marinus

”›„‹–™ƒ™‹‡Ž‘†œ‹‘„ƒHydroprogne caspia

”›„‹–™ƒ”œ‡ œƒSterna hirundo

”›„‹–™ƒ’‘’‹‡Žƒ–ƒSterna paradisaea

rybitwa białoczelna Sternula albifrons

‘Šƒ”Tadorna tadorna

‘•–”›‰‘Œƒ†Haematopus ostralegus

szablodziób Recurvirostra avosetta

sieweczka obrożna Charadrius hiaticula

ƒ—•œ‹Arenaria interpres

„‹‡‰—•œ‹‡›Calidris alpina

Poz. 230

Wskaźnik Wskaźnik

liczebności liczebności

zimujących lęgowych

ptaków

ptaków ‹–‡‰”‘™ƒƒ

”—’ƒˆ— ›Œƒ ™‘†› Š ™‘†› Š

‘ ‡ƒ

benthic

•—„ 

Ǧ

•—„ 

benthic







benthic



Ǧ



grazing

grazing

grazing

grazing

grazing

grazing

pelagic

pelagic

pelagic

pelagic

pelagic

pelagic

pelagic

pelagic

surface

surface

surface

surface

surface

surface

surface

surface

surface

wading

wading

wading

wading

wading

wading





Ǧ

Ǧ



•—„ 









Ǧ

Ǧ

Ǧ





•—„ 

Ǧ





Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ



Ǧ

•—„ 



Ǧ

Ǧ

Ǧ







•—„ 







Ǧ



•—„ 

•—„ 

•—„ 









•—„ 



•—„ 



•—„ 

•—„ 





•—„ 





•—„ 









•—„ 









•—„ 

•—„ 

•—„ 

•—„ 









•—„ 



•—„ 



•—„ 

•—„ 

Całe ugrupowanie ptaków wodnych nie osiągnęło dobrego stanu środowiska na wodach

‰”—’›‘”Š‘Ž•‹‡Œ‹ ‘–Žƒ†œ‹‡ŒǤƒ•‡‹‡‘”Š‘Ž•‹†‘„”›stan osiągnęły jedynie ptaki

brodzące (grazing feeders), natomiast w Basenie Gotlandzkim GES uzyskały gatunki pelagiczne

ȋ’‡Žƒ‰‹ ˆ‡‡†‡”•ȌǤ

















ʹʹͳ

ƒ„‡ŽƒʹǤͳǤʹͻǤ Zintegrowana ocena stanu ptaków wodnych w Base‹‡ ‘”Š‘Ž•‹ ‹ ƒ•‡‹‡

Gotlandzkim dla 5 wyróżnionych grup funkcyjnych za lata 2011Ǧ2016. Wskaźniki, które

osiągnęły dobry stan środowiska (GES) zaznaczono kolorem zielonym, a wskaźniki które nie

osiągnęły dobrego stanu (subGES) kolorem czerwonym. Grupƒˆ— ›Œƒ’ƒ–”œ–ƒ„‡ŽƒʹǤͳǤʹͲǤ



‡‰‹‘

ƒ•‡

‘”Š‘Ž•‹



”—’ƒˆ— ›Œƒ

wszystkie gatunki

benthic feeders

grazing feeders

pelagic feeders

surface feeders

wading feeders

wszystkie gatunki

benthic feeders

grazing feeders

ƒ•‡ ‘–Žƒ†œ‹

pelagic feeders

surface feeders

wading feeders

 ‡ƒ

͸ͲΨ

͸ͲΨ

ͺͺΨ

ͷ͹Ψ

ͶͶΨ

ͷͲΨ

͸ͲΨ

ͷͲΨ

͸͹Ψ

ͺͺΨ

ͷ͸Ψ

͵͵Ψ

Ocena produktywności bielika w latach 2011-2016

Žƒ–ƒ ŠʹͲͳͳǦ2016 wszystkie trzy analizowane parametry reprodukcji bielika znajdowały

się powyżej wartości granicznej dobrego stanu: 



ͳȌ sukces lęgowy wynosił 59% (wartość progowa GES to 59%)Ǣ

ʹȌ produktywność (liczba piskląt na zajęte gniazdo) wynosiła 1,07 (wartość progowa to

Ͳǡͻ͹ȌǢ

͵Ȍ liczba młodych na parę z sukcesem wynosiła 1,81 (wartość progowa 1,64). 

Wszystkie trzy parametry osiągnęły dobry stan, w związku z tym ocena końcowa wskaźnika

produktywności bielika również znalazła się powyżej granicy dobrego stƒ—ȋ ȌǤ

ƒ„‡ŽƒʹǤͳǤ͵ͲǤ ƒ”ƒ‡–”›”‡’”‘†— Œ‹„‹‡Ž‹ƒȋHaliaeetus albicillaȌ™’ƒ•‹‡ͳͲ†‘Ž‹‹‹„”œ‡‰‘™‡ŒBałtyku

w Polsce w poszczególnych latach w okresie 2011Ǧ2016 oraz wartości średnie trzech

’ƒ”ƒ‡trów podlegających ocenie w całym analizowanym okresie (źródło danych PMŚȌǤ

‹ œ„ƒ

‰‹ƒœ†œ ”‘’‘” Œƒ

określonym ‰‹ƒœ†œ

™›‹‹‡ kontrolą

‘

lęgu

wnętrza

ͺ

ͲΨ

ʹͲͳͳ

͸

ͳ͹Ψ

ʹͲͳʹ

ͷ

ʹͲΨ

ʹͲͳ͵

ʹ͹

ͳͻΨ

ʹͲͳͶ

͹ͻ

ͶʹΨ

ʹͲͳͷ

͸ͻ

ͷͺΨ

ʹͲͳ͸

ͳͻͶ

ͶͳΨ

ʹͲͳͳǦʹͲͳ͸

— ‡•

lęgowy

ͺͺΨ

͸͹Ψ

ͳͲͲΨ

͸͹Ψ

͸ͳΨ

ͶͺΨ

ͷͻΨ

Produktywność

Ǧ

ͳǡ͵͵

ͳǡͲͲ

ͳǡʹͲ

ͳǡͳͲ

Ͳǡͺͺ

ͳǡͲ͹

‹ œ„ƒ

piskląt

Ǧ

ʹǡͲͲ

ͳǡͲͲ

ͳǡͺͲ

ͳǡͺͳ

ͳǡͺͶ

ͳǡͺͳ



Wskaźniki, które osiągnęły dobry stan środowiska (GES) zaznaczono kolorem zielonym (wartość ≥0,75), a wskaźniki które nie

osiągnęły dobrego stanu (subGES) kolorem czerwonym. Dane œŽƒ–ʹͲͳͳǦ2014 pochodzą z Komitetu Ochrony Orłów, a dane z lat 2015

‹ʹͲͳ͸z Monitoringu Produktywności Bielika (GIOŚ). W 2011 r. nie przeprowadzano kontroli wnętrza gniazda, stąd możliwe było

obliczenie jedynie sukcesu lęgowegoǤ



ʹʹʹ

Wiarygodność oceny

Ocenę wiarygodności oceny przedstawia –ƒ„‡ŽƒʹǤͳǤ͵ͳǤ

ƒ„‡ŽƒʹǤͳǤ͵ͳǤ Ocena wiarygodności oceny wskaźników Liczebność ptaków zimujących‹Liczebność ptaków

lęgowych‘”ƒœProduktywność bielika™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ

Składowe

wiarygodności

Wiarygodność

œƒ•‘™ƒ

Wiarygodność

’”œ‡•–”œ‡ƒ

Wiarygodność

Žƒ•›ˆ‹ƒ Œ‹

Wiarygodność

‡–‘†›‹

Uśredniona wartość

wiarygodności

wskaźnika (WW)

Ocena wiarygodności

†Žƒ‘„•œƒ”—‘ ‡›

ȋȌ–ʹͲͳͳǦʹͲͳ͸

Wskaźnik „Liczebność

ptaków zimujących”

Wskaźnik „Liczebność

ptaków lęgowych”

ͳ

ͳ

Wskaźnik

„Produktywność

bielika”

ͳ

ͳ

ͳ

Ͳ

Ͳǡͷ

Ͳǡͷ

Ͳǡͷ

ͳ

Ͳǡ͸͵

Ͳǡ͹ͷ

ͳ

ͳ

ͳ

Ͳǡ͹ͻ–status wiarygodności: wysoki



Oceny wiarygodności oceny liczebności zimujących ptaków morskich były obniżone przede

wszystkim przez fakt, iż w przyjętych przez HELCOM wydzieleniach przestrzennych tylko część

państw wykonywała liczenia ptaków na otwartym morzu. Polska wyróżniała się na tym tle

korzystnie, wykonując corocznie liczenia zimujących ptaków morskich zarówno w strefie

bezpośrednio przylegającej do wybrzeża, jak i w strefie odległej od wybrzeża (offshoreǡ œ

jednostek pływających), ale ocena całościowa musi uwzględniać fakt, że w innych rejonach

ƒ•‡— ‘”Š‘Ž•‹‡‰‘ ‹ ƒ•‡— ‘–Žƒ†œ‹‡‰‘ Ž‹ œ‡‹ƒ z jednostek pływających nie były

wykonywane. Dodatkowo, część zimujących gatunków występowała w liczebnościach na tyle

niskich, że uniemożliwiających wiarygodną ocenę wskaźników składowych.

Wiarygodność oceny liczebności ptaków lęgowych była wyższa niż ptaków zimujących, ale

część gatunków składowych nie była liczona na całości obszarów objętych oceną, obniżając

reprezentatywność przestrzenną i stanowiąc odstępstwo od przyjętej metodyki. 

Wskaźnik produktywności bielika dotyczył wyłącznie obszaru Polski i był oceniany jako

™‹ƒ”›‰‘†›Ǥ

Planując monitoring ptaków dla potrzeb ocen stanu wód morskich w najbliższej przyszłości

należy wziąć pod uwagę niepełną liczbę gatunków lęgowych, dla których zbierane są obecnie dane

w granicach Polski. Na obszarze wybrzeża n‹‡ Œ‡•– ’”‘™ƒ†œ‘› stały monitoring liczebności

lęgowej sieweczki obrożnej, ostrygojada, rybitwy rzecznej, rybitwy białoczelnej, mewy

srebrzystej, mewy siwej, łabędzia niemego, gęgawy, ohara, nurogęsi, czernicy i perkoza

dwuczubego. Dla części z tych gatunków liczenia populacji gniazdującej w strefie wybrzeża są

bardzo trudne logistycznie, z uwagi na wysoką liczebność lub trudno dostępne siedliska. Dla kilku

gatunków z tej grupy możliwe jest jednak uzyskanie wiarygodnych ocen liczebności na obszarze

—™zględnianym w opracowaniu przy relatywnie niskich kosztach prac (ostrygojad, sieweczka

obrożna, rybitwa rzeczna, rybitwa białoczelna, ohar)Ǥ

Sugerowane przez grupy eksperckie rozszerzenie wskaźników stanu populacji ptaków

lęgowych poprzez uwzględnienie wyników zrealizowanej rozrodczości (B3; ICES 2015) jest dla

dużej większości gatunków praktycznie niewykonalne, z uwagi na ogromną pracochłonność i

wysokie wymagania metodyczne związane z uzyskaniem wiarygodnych oszacowań. Dodatkowo,

’‘œ›•‹™ƒ‹‡–‡‰‘–›’—†anych w dużej skali przestrzennej może stanowić czynnik zagrożenia

dla udatności lęgów. W konsekwencji, sugeruje się, by w najbliższej przyszłości monitoring nie

obejmował wskaźników sukcesu lęgowego ptaków siewkowych i blaszkodziobych.



ʹʹ͵

Porównanie z poprzednim okresem raportowania

Wskaźniki liczebności ptaków zimujących przedstawione we wstępnej ocenie stanu

środowiska polskich wód morskich (GIOŚ2014) odnosiły się do innych wydzieleń geograficznych

niż przyjęte w niniejszej aktualizacji wstępnej oceny stanu środowiska wód morskich ‹

obejmowały jedynie 3 spośród 22 gatunków ptaków ocenianych w obecnej aktualizacji wstępnej

‘ ‡›. W konsekwencji, porównywanie tych wskaźników jest bezzasadne. Wskaźniki liczebności

lęgowych gatunków ptaków nie były w ogóle ocen‹ƒ‡™e wstępnej ocenie stanu środowiska wód

‘”•‹ Š. Wskaźniki produktywności bielika przedstawione we wstępn‡Œ ‘ ‡‹‡ dotyczyły

innego okresu sprawozdawczego oraz innej strefy odległości od brzegu morskiegoȋ†‘ͳͷȌǤ

‘„‡ ‡Œ ƒ–—ƒŽ‹œƒ Œ‹ •–”‡ˆƒ –ƒ ‘bejmuje pas o szerokości 10 km, co uniemożliwia bezpośrednie

porównania wartości. Biorąc powyższe pod uwagę należy odnotować, że sukces lęgowy bielika w

Žƒ–ƒ ŠʹͲͲͷǦ2009 był wyższy (73%) niż w latach 2011Ǧ2016 (59%), natomiast produktywność

była niższa (0,99) niż obecnie (1,07). Podobnie, liczba piskląt przypadająca na parę z sukcesem

lęgowym była w poprzednim okresie sprawozdawczym niższa (1,37) niż w latach 2011ǦʹͲͳ͸

(1,81). Bezpośrednie porównywanie tych wskaźników jest jednak niezasadne z uwagi na to, ż‡

liczba piskląt i produktywność były w poprzedniej dekadzie zaniżane z powodu braku

bezpośrednich kontroli zawartości gniazda.







ʹʹͶ

Ryby

Poz. 230



Do oceny stanu ryb wykorzystano dwa wskaźniki krajowe – †‡•™‹‡Ž‹ Š”›„ ͳ‘”ƒœ

†‡••–ƒ—‹ Š–‹‘ˆƒ—› ȋ–ƒ„‡ŽƒʹǤͳǤ͵ʹȌǤ

ƒ„‡ŽƒʹǤͳǤ͵ʹǤ Wskaźniki zastosowane w ocenie krajowej (2011Ǧ2016) w „zintegrowanej ocenie

bioróżnorodności” w POM uwzględniające ichtiofaunęǤ

Ž‡‡–

‡‘•›•–‡—

Š–‹‘ˆƒ—ƒ

‡ Šƒ

(wskaźnik

‘’‹•‘™›Ȁ

jakości)

ͳǦ

Bioróżnor

odność

”›–‡”‹—

’‘†•–ƒ™‘™‡

”›–‡”‹—

drugorzędne

’‹•”›–‡”‹—

œ‰‘†‹‡œ†ecyzją

ʹͲͳ͹ȀͺͶͺ

ͳ͵

Ͷ͵

Właściwości

†‡‘‰”ƒˆ‹ œ‡

’‘’—Žƒ Œ‹

ͳʹȗ

ͳ͵ȗ

Ͷͳȗ

Liczebność

’‘’—Žƒ Œ‹

Wskaźnik: 

’‘†•–ƒ™‘™›ȋȌǡ

ƒŽ–‡”ƒ–›™›ȋȌǡ

wstępny (W),

”ƒŒ‘™›ȋȌǡ

bioróżnorodności

ȋȌǡ

‡—–”‘ˆ‹œƒ Œ‹ȋȌ

†‡•™‹‡Ž‹ Š

”›„ȋ ͳȌ

†‡••–ƒ—

‹ Š–‹‘ˆƒ—› †Žƒ

wód przejściowych

* Indeks stanu ichtiofauny SI dla wód przejściowych został opracowany na potrzeby RDW.



Indeks LFI1 odnosi się do zbiorowości ryb w wodach otwartych, obserwowanych

™połowach badawczych, realizujących zadania związane z oceną stanu zasobów ryb

†‡‡”•ƒŽ› ŠȋƒŽ–‹  –‡”ƒ–‹‘ƒŽ”ƒ™Ž—”˜‡›•Ǧ ȌǤ †‡• ͳspełnia kryteria dla ‡ Š

ͳ͵‹Ͷ͵ȋ–ƒ„‡ŽƒʹǤͳǤ͵ʹȌokreślone w†‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺǤ †‡• ͳdobrze rozwinięty dla

zbiorowości ryb demersalnych z Morza Północnego. 



‹‡”™‘–‹‡Indeks stanu ichtiofauny SIdla wód przejściowych powstał na potrzeby oceny

•–ƒ—ekologicznego według Ǥaktualizacji wstępnej oceny stanu środowiska wód morskich

wykorzystany został on również w kontekście Ǥ

Elementy ekosystemu



Dla Bałtyku indeks  ͳ ‘„‡Œ—Œ‡ Œ‡†›‹‡ œ„‹orowość ryb dennych z wyłączeniem ryb

pelagicznych, uwzględniając 5 gatunków: (dorsz, witlinek, stornia, gładzica, skarpȌǤ ƒ–‘‹ƒ•–

Indeks stanu ichtiofauny SI dla wód przejściowych uwzględnia szereg gatunków ryb

występujących w poszczególnych Ǥ

Obszary oceny



Indeks wielkich ryb LFI1

Zgodnie z systemem przyjętym przez Międzynarodową Radę Badań Morza (ICES), obszar

Morza Bałtyckiego został podzielony na 12 podobszarów (ICES Subdivisions, ”›•Ǥ ʹǤͳǤ͸ʹȌǤ

Poszczególne części Bałtyku oznaczone zostały następującymi numerami: SD 21 –ƒ––‡‰ƒ–ǡʹʹ

‹ʹ͵–Cieśniny Duńskie, SD 24Ǧʹͻ–Bałtyk Właściwy, SD 30 i 31 –ƒ–‘ƒ‘–‹ ƒ‘”ƒœ͵ʹ–

Zatoka Fińska. POM obejmują część podobszarów 24, 25 i 26. 

Ocena dla wskaźnika  1 dokonywana jest dla podobszarów ICES 25 i 26™Ǥ



ʹʹͷ



›•ǤʹǤͳǤ͸ʹǤ Podział Morza Bałtyckiego na podobszary przyjęty przez Międzynarodową Radę Badań

‘”œƒȋ ȌǤ



ƒ„‡ŽƒʹǤͳǤ͵͵Ǥ „•œƒ”› ‘ ‡› œƒ•–‘•‘™ƒ‡ ™ ‘ ‡‹‡ •–ƒ— ‹ Š–‹‘ˆƒ—› ȋ ‡ Šƒ 1) dla wskaźnika  ͳ

™ȋȌǤ

’Ǥ

ͳǤ

ʹǤ

ƒœ™ƒ‘„•œƒ”—‘ ‡›

ȋ’‘†ƒ™‡

M. Bałtyckiego) 

™

‘†‘„•œƒ” ʹͷ

‘†‘„•œƒ” ʹ͸

‘†‘„•œƒ”—

‘ ‡›

ʹͷ

ʹ͸

 ‡‹ƒ›

‡Ž‡‡–

‡‘•›•–‡—

Š–‹‘ˆƒ—ƒ

Š–‹‘ˆƒ—ƒ





Indeks stanu ichtiofauny SI dla wód przejściowych



 Žƒ–ƒ Š ʹͲͳͳǦʹͲͳ͸ ™  w obrębie  zaliczanych do typu wód przejściowych,

prowadzony był monitoring ryb zgodny z opracowanym Programem monitoringu

diagnostycznego ichtiofauny. Prace te obejmowały połowy w 9 : Ujście Dziwny, Ujście Świny,

Ujście Wisły Przekop, Zalew Kamieński, Zalew Pucki, Zalew Szczeciński, Zalew Wiślany, Zatoka

Gdańska Wewnętrzna oraz Zatoka Pucka Zewnętrzna (–ƒ„‡Žƒ ʹǤͳǤ͵ͶȌǤ Š–‹‘ˆƒ—ƒ ƒŽ‡™—

Kamieńskiego, Ujścia Dziwny oraz Ujścia Świny poddawana była monitoringowi biologicznemu

tylko w trakcie pierwszych, pilotażowych prac badawczych w 2011 r. Z powodu ogran‹ œ‘‡Œ

Ž‹ œ„›‘„•‡”™ƒ Œ‹ȋŒ‡†‡”‘Ȍdla trzech wyżej wymienionych ‹‡’”œ‡’”‘™ƒ†œ‘‘‘ ‡›œƒ

‘”‡•ʹͲͳͳǦʹͲͳ͸Ǥ







ʹʹ͸



ƒ„‡ŽƒʹǤͳǤ͵ͶǤ Jednolite części wód przejściowych PolskiǤ

Lp. Kod jednolitej części wód

Nazwa jednolitych części wód

ͳǤ

ʹǤ

͵Ǥ

ͶǤ

ͷǤ

͸Ǥ

͹Ǥ

ͺǤ

ͻǤ

Zalew Wiślany*

Zatoka Gdańska Wewnętrzna*

Zatoka Pucka Zewnętrzna*

ƒŽ‡™— ‹ȗ

Ujście Wisły ”œ‡‘’ȗ

Zalew Szczeciński*

Zalew Kamieński

Ujście Dziwny

Ujście Świny

̴ ̴̴ͳ

̴ ̴̴Ͷ

̴ ̴̴͵

̴ ̴̴ʹ

̴̴̴ͷ

̴ ̴̴ͺ

̴ ̴̴ͻ

̴̴̴͸

̴̴̴͹

*Przeprowadzono ocenę ichtiofauny za okres 2011ǦʹͲͳ͸Ǥ

Poz. 230

Powierzchnia

[km2]

͵͸ͷǡͺ

͹ͳͲǡͷ

ʹͺͷǡͺ

ͳͳͲǡͻ

͸Ͷǡͺ

Ͷ͸͸ǡ͹

Ͷ͵ǡ͸

ʹǡͶ

ͳͲǡͷ

Wskaźniki

Indeks wielkich ryb LFI1



†‡• ™‹‡Ž‹ Š ryb odzwierciedla ogólną strukturę wielkości na poziomie zbiorowisk i

oceniany jest na podstawie biomasy dużych rybʹ. Wyrażany jest wjednostce CPUE (połów na

jednostkę nakładu połowowego). skaźnik  ͳuznany został za wskaźnik podstawowyȋcore

indicatorȌ™‘’”ƒ ‘™ƒ‹ƒ Š  Ǥ‘–› Š œƒ•‘™‡„ƒ†ƒ‹ƒƒ†‹†‡•‡ ͳ†Žƒ

ryb bałtyckich wykazały, że jest on dobrym wskaźnikiem presji człowieka na ekosystem morski.

Rybołówstwo, mające bezpośredni wpływ na strukturę zbiorowisk ryb, może prowadzić do

zwiększenia relatywnej liczebności małych osobników i obniżenia średniej długości ryb,

zmieniając tym samym wartości wskaźnika  ͳǤ

Duże ryby, obecne w połowach badawczych, wskazują na dobry stan Morza Bałtyckiego.

Indeks ma wyrażać zmiany śmiertelności połowowej na poziomie zbiorowości. Niskie wartości

indeksu wyrażają wysoką śmiertelność połowową. Z drugiej strony, przy niskiej śmiertelności

połowowej, ale w sytuacji braku odpowiednich zasobów pokarmowych może następować

œŒƒ™‹•‘’”œ‡‰ęszczenia populacji i zmniejszeniƒśrednich długości osobniczych, co również ma

™›”ƒœ™spadku wartości indeksu. 

Na wartość indeksu mogą wpływać również inne warunki środowiskowe, takie jak

temperatura lub koncentracje substancji biogennych. Odpowiedź wskaźnika na presję

antropogeniczną była przedmiotem prac grupy HELCOM CORESET II. Do czasu weryfikacji relacji

pomiꆜ›  ͳ a presją połowową, zastosowana zostanie wyznaczona w 2011 rǤ ‰”ƒ‹ ƒ

pomiędzy subGES a GES.

Użyte w 2011 rǤ (na etapie rozwoju i testowania wskaźnika) dane pochodziły zrejsów

dennych zrealizowanych w ramach międzynarodowego programu BITS z 1 kwartału danego roku

kalendarzowego. Do obliczenia wartości wskaźnika w okresie †™—ƒ•–‘Ž‡–‹ȋʹͲͲͲǦʹͲͲͺ‘”ƒœ

ʹͲͲͻǦ2011) w polskiej strefie połowowej użyto danych z bazy DATRAS oraz własnej bazy

utworzonej na potrzeby projektu. Oprócz danych polskich, użyto również danych z rejsów

duńskich, które pochodziły z połowów w polskiej wyłącznej strefie ekonomicznej. Do obliczeń

wykorzystano dane z 476 polskich oraz 261 duńskich punktów poboru prób ichtiofauny. Ze

względu na niekompletność informacji o przyłowie wszystkich dennych gatunków, brak jest

możliwości użycia danych sprzed 2000 rǤdo szacowania wskaźnika ͳǤ



ʹPojęcie „duże ryby” oznacza ryby powyżej długości całkowitej (longitudo totalis) określonej specyficznie dla każdego

obszaru. W przypadku POM „duże ryby” to osobniki powyżej 30 cm l.tǤ



ʹʹ͹

W celu dokonania precyzyjnej oceny, zawierającej dane służące do opisu specyficznych

części polskiego wybrzeża, dokonuje się oddzielnej oceny dla: wschodniej części otwartego morza

(odpowiadającej podobszar‘™‹ ʹ͸Ȍ‹zachodniej części (odpowiadającej podobszar‘™‹ 

25). Kalkulacja wskaźnika dla polskiej części podobszaru ICES 24, nie została opracowana,

ponieważ nie ma możliwości oceny stanu tamtejszego zespołu ryb na podstawie wyników

pochodzących jedynie z leżącego w granicach POM małego wycinka podobszaru 24 (dominujący

w powyższych obliczeniach dorsz, bytujący w podobszarach ICES 22Ǧ24, tworzy tam odrębne

•–ƒ†‘œƒ Š‘†‹‡ȌǤ

ƒ ˆ‘”—  ‹‡ wyznaczono dotychczas granic GES dla wskaźnika dużych ryb w

ichtiofaunie dennej Bałtyku. Testowanie wskaźnika wykazało, że od 2008 rǤ wartość indeksu

wzrastała, co świadczyło o wzrastającym udziale ryb dużych. Tendencje t‡ ‘„•‡”™‘™ƒ‘

zarówno dla dorsza, jak i dla pozostałych gatunków dennych Bałtyku. Wzrost wartości wskaźnika

 ͳwykazano w okresie, gdy zaczęto redukować połowy dorsza, co skutkowało zmniejszaniem

śmiertelności połowowej tego gatunku.

W roku 2012 zdecydowano, że na potrzeby wstępnej oceny stanu środowiska wód

‘”•‹ Š, wielkości indeksu  ͳw okresie wysokiej śmiertelności połowowej dorsza (lata 2000Ǧ

2008) odpowiadać będą stanowi subGES, natomiast ocena oparta na serii danych z lat 2009ǦʹͲͳͳǡ

wskazująca na polepszenie stanu środowiska morskiego w obszarze wód otwartych, prezentować

będzie poziom GES. 

Podczas analizy wyników badań przeprowadzonych w Žƒ–ƒ Š ʹͲͳͳ Ǧ 2016 przyjęto

analogiczną zasadę oceny stanu środowiska morskiego – oparto ją o dotychczas stosowany

poziom wartości referencyjneŒ Ǥ

Podobszar ICES 25

Wartość wskaźnika  ͳ ™ Žƒ–ƒ Š ʹͲͲͻǦ2011 wyniosła 0,85 (SD=0,05), ibyła znacząco

wyższa od wyliczonej wartości średniej 0,60 (SD=0,12) dla lat 2000Ǧ2008. Różnica pomiędzy

średnimi była istotna statystycznie. Wartość progową (threshold valueȌ™›œƒ œ‘‘ƒ’‘œ‹‘‹‡

ͲǡͺǤ

Wartość  ͳ™ʹͲͳͳ”Ǥbyła wysoka i osiągnęła poziom wyższy (0,82) niż wartość progowa,

która dla tego obszaru wynosi 0,8. W 2012 ”Ǥutrzymywała się na tym samym poziomie. W 2013

”Ǥ wynosiła już tylko 0,59, w kolejnym roku spadła, rok później znowu wzrosła, aby ponownie

spaść w 2016 rǤdo wartości 0,45. Wartość wskaźnika  ͳdla gatunków dennych z wyłączeniem

dorsza najpierw wzrosła od wartości 0,38 w 2011 rǤ †‘ ͲǡͶʹ ™ ʹͲͳʹ ”Ǥǡ

a następnie spadła do rekordowo niskiej wartości 0,10. Oznacza to, że udział biomasy ryb płaskich

w populacji, głównie storniǡwiększych niż 30 cm znacząco się zmniejszył (”›•ǤʹǤͳǤ͸͵ȌǤ

Podobszar ICES 26

Wartość wskaźnika  ͳ ™ Žƒ–ƒ Š ʹͲͲͻǦ2011 wyniosła 0,80 (SD=0,10), ibyła wyższa od

wyliczonej wartości średniej 0,36 (SD=0,10) dla lat 2000Ǧ2008. Różnica pomiędzy średnimi była

istotna statystycznie. Wartość progową (threshold valueȌ™›œƒ œ‘‘ƒ’‘œ‹‘‹‡Ͳǡ͹Ǥ

ʹͲͳͳ”Ǥwartość wskaźnika  ͳbyła znacznie wyższa od wyznaczonej wartości progowej

ȋͲǡ͹ȌǤ  ʹͲͳʹ ”Ǥ nastąpił jej spadek, ale nadal była wyższa niż wartość progowa. 

ʹͲͳ͵”Ǥosiągnęła poziom poniżej wartości progowej. W kolejnym roku wynosiłajuż tylko 0,47.

ʹͲͳͷ”Ǥnastąpił jej ponowny wzrost do wartości 0,67, a więc bliskiej wartości progowej, a w

kolejnym roku spadek do wartości 0,6. Wartość wskaźnika  ͳ dla gatunków dennych 

z wyłączeniem dorsza począwszy od 2011 ”Ǥ najpierw rosła – †‘ ’‘œ‹‘— Ͳǡ͵ʹ ™ ʹͲͳʹ ”Ǥ

Ǧa następnie malała i w 2016 ”Ǥosiągnęła wartość 0,14 (”›•ǤʹǤͳǤ͸ͶȌǤ





ʹʹͺ

›•ǤʹǤͳǤ͸͵Ǥ Zmiany wartości wskaźnika  ͳ(liczonego z uwzględnieniem dorsza i„‡œȌ™Žƒ–ƒ ŠʹͲͲͲǦ

ʹͲͳͲ‘”ƒœ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ‘œƒ œ‘‘‘Ž‘”‡ œ‡”™‘›Ȍ™’‘†‘„•œƒ”œ‡ ʹͷǤ



›•ǤʹǤͳǤ͸ͶǤ Zmiany wartości wskaźnika ͳ(liczonego z uwzględnieniem dorsza i bez) w latach 2000Ǧ

ʹͲͳͲ‘”ƒœ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ‘œƒ œ‘‘‘Ž‘”‡ œ‡”™‘›Ȍ™’‘†‘„•œƒ”œ‡ ʹ͸Ǥ



Indeks stanu ichtiofauny SI dla wód przejściowych



Do oceny stanu ekologicznego wód na podstawie charakterystyki zbiorowisk ryb

sformułowany został indeks stanu ichtiofauny (SI). Indeks wyliczany jest na podstawie szeregu

wskaźników cząstkowych, wskazanych dla każdej Ǥ



ʹʹͻ

Z uwagi na zróżnicowanie zespołów ichtiofauny w poszczególnych typach biotycznych oraz

różne metody połowu, zastosowano wskaźniki dobrane do charakterystyki biotycznej danego

typu wód. We wskaźnikach uwzględniono następujący zakres danych z połowów:

ͳȌ skład gatunkowyǢ

ʹȌ liczebność gatunków lub grup gatunków kluczowychǢ

͵Ȍ struktura wielkościowa gatunku lub gatunków kluczowychǢ

ͶȌ struktura wiekowa gatunku lub gatunków kluczowych.



cenę stanu i potencjału ekologicznego poddanych monitoringowi  ™›‘ƒ‘ ™

oparciu o metodykę przedstawioną w „Prz‡™‘†‹—‡–‘†› œ›†‘’”œ‡’”‘™ƒ†œ‡‹ƒ‘ ‡›

stanu ekologicznego i klasyfikacji wód przejściowych”, sporządzonym w ramach realizacji zadania

„Monitoring ichtiofauny w strefie wód przejściowych i przybrzeżnych” w latach 2010ǦʹͲͳʹǡ

biorąc pod uwagę wskaźniki odnoszące się do danych połowowych z okresu letniego (w roku

ʹͲͳͶǡ ʹͲͳͷ ‹ ʹͲͳ͸ǡ œ‰‘†‹‡ œ œƒŽ‡ ‡‹ƒ‹ ǡ połowy badawcze odbywały się tylko w

okresie letnim). Do końcowej oceny wykorzystano zestaw wskaźników cząstkowych,

uwzględniających zakres niezbędnych danych ustalonych wymogami ‹’”ƒ™ƒ’‘Ž•‹‡‰‘ǤŽƒ

prawidłowej interpretacji wyników, w nawiasach podano nazwy skrótowe poszczególnych

wskaźników cząstkowychǣ



ͳȌ liczba gatunków stwierdzonych w połowach o udziale przekraczającym średnio 5%

Ž‹ œ‡„ości połowu w sezonie letnim (Liczba gatunkówȌǢ

ʹȌ średnia liczebność na jednostkę nakładu połowowego gatunku kluczowego: okonia 

w połowach w sezonie letnim (CPUE okońȌǢ

͵Ȍ średnia liczebność na jednostkę nakładu połowowego gatunku kluczowego: stornia, 

™połowach w sezonie letnim (CPUE storniaȌǢ

ͶȌ średnia liczebność na jednostkę nakładu połowowego ryb drapieżnych w połowach 

™•‡œ‘‹‡Ž‡–‹ȋCPUE drapieżnikiȌǢ

ͷȌ średnia liczebność na jednostkę nakładu połowowego ryb dużych (o długości powyżej 30

ŽǤ–Ȍ™poł‘™ƒ Š™•‡œ‘‹‡Ž‡–‹ȋCPUE duże rybyȌǢ

͸Ȍ średni udział okoni w wieku powyżej 3 grupy wieku w połowach w sezonie letnim

(% okoń >3ȌǢ

7) średni udział okoni w wieku powyżej 2 grupy wieku w połowach w sezonie letnim

(% okoń >2ȌǤ



Końcowej oceny dokonano w oparc‹— ‘ œƒ’”‘’‘‘™ƒ› ‹†‡• •–ƒ— ‹ Š–‹‘ˆƒ—› ȋ ȌǤ

Wartości wskaźnika zostały wyliczone oddzielnie dla każdej ǡ ƒ ’‘†•–ƒ™‹‡ œ‡•–ƒ™‹‡‹ƒ

wyskalowanych wskaźników cząstkowych zgodnie z poniższym równaniem:



∑ 𝑊𝑊1 × 3 + ∑ 𝑊𝑊2 × 2 + ∑ 𝑊𝑊3



𝑆𝑆𝑆𝑆 =

∑ 𝑛𝑛1 × 3 + ∑ 𝑛𝑛2 × 2 + ∑ 𝑛𝑛3

‰†œ‹‡ǣ

ͳǡʹǡ͵Ǧwartość (w pięciostopniowej skali) użytych wskaźników cząstkowych o randze

‘†’‘™‹‡†‹‘ͳǡʹǡ͵ǡ

ͳǡʹǡ͵Ǧliczba użytych wskaźników cząstkowych o randze odpowiednio 1, 2, 3Ǥ



Referencyjna wartość wskaźnika jakości ekologicznej (EQR) †Žƒ™•œ›•–‹ Š ™Žƒ–ƒ Š

ʹͲͳͳǦ2016 została określona jako SI=5. Jednocześnie stanowi ona maksymalną wartość jaką

może uzyskać indeks stanu ichtiofauny SI obliczany woparciu o wyskalowane wskaźniki

cząstkowe. W celu dokonania końcowej oceny stanu jakości środowiska wodnego w oparciu 

o elementy ichtiofauny, posłużono się zakresami wartości wskaźnika ichtiofauny (SI) oraz

odpowiadającym im wartościom wskaźnika jakości ekologicznej (EQR) przedstawionym 

w poniższej tabeli (–ƒ„‡ŽƒʹǤͳǤ͵ͷȌǤ





ʹ͵Ͳ

ƒ„‡ŽƒʹǤͳǤ͵ͷǤ Zakresy wartości indeksu SI i EQR dla poszczególnych ocen stanu ekologicznego wód

przejściowych lub potencjału ekologicznego wód silnie zmienionychǤ

Ocena stanu

ekologicznego

ƒ”†œ‘†‘„”›

Ocena potencjału

ekologicznego

‹ƒ”‘™ƒ›

‹ƒ”‘™ƒ›

Zły

Zły

‘„”›

Słaby

ƒ•›ƒŽ›

‘„”›

Słaby

Zakres

wartości SI

ͶǡͶǦͷ

Zakres wartości EQR

ʹǡͶǦ͵ǡ͵

ͲǡͶͺǦͲǡ͸͹

ͲǡͺͺǦͳǡͲ

͵ǡͶǦͶǡ͵

Ͳǡ͸ͺǦͲǡͺ͹

ͳǡͶǦʹǡ͵

ͲǡʹͺǦͲǡͶ͹

ͳǦͳǡ͵

Mniej niż 0,28



Należy mieć na uwadze fakt, iż ze względu na brak długiej serii danych monitoringowych,

odnoszących się do ichtiofauny wód przejściowych, stosowane obecnie granice klas

poszczególnych wskaźników cząstkowychsą propozycją wstępną i podczas kolejnych lat badań

powinny zostać zweryfikowane.

„Zintegrowana ocena bioróżnorodności - ryby”

Indeks wielkich ryb LFI1



W przypadku wskaźnika  1, w ciągu sześciu lat na całym badanym obszarze wód

otwartych stan wód okreśŽ‘› ƒ ’‘†•–ƒ™‹‡ ‹†‡•—  ͳ stopniowo się pogarszał. Z analizy

‹†‡•— ͳwynika, że biomasa dorszy większych niż 30 cm w okresie sześcioletnim stopniowo

się zmniejszała. Wskaźnik  ͳpoczątkowo wskazywał na dobry stan środowiska, ale już od 2013

”Ǥ spadł poniżej wartości progowej. W rozpatrywanym okresie zmniejszył się udział biomasy

dużych ryb płaskich. Pod koniec tego okresu w 2016 rǤnastąpił spadek udziału biomasy dużych

†‘”•œ› ™ ’‘’—Žƒ Œ‹ ™ ‘„— ’‘†‘„•œƒ”ƒ Š Ǥ •ƒœ—Œ‡ –‘ ƒ ’‘‰‘”•œ‡‹‡ •–ƒ— środowiska

morskiego pod względem udziału biomasy dużych ryb. 

Zgodnie z powyższym opisem stan środowiska wód morskich w odniesieniu do wskaźnika

 ͳ‘ ‡‹‘‘Œƒ‘•—„ ȋ–ƒ„‡ŽƒʹǤͳǤ͵͸ǡ”›•ǤʹǤͳǤ͸ͻȌǤ



ƒ„‡ŽƒʹǤͳǤ͵͸Ǥ Ocena według wskaźnika ͳdla podobszarów ICES 25 i 26 w poszczególnych latach.

Podobszar ICES

2011

2012

2013

2014

2015

2016

Ocena

łączna

za

okres

20112016

–™ƒ”–‡‘”œ‡Ǧczęść

™• Š‘†‹ƒȋ ʹ͸Ȍ









•—„ 



•—„ 



•—„ 



•—„ 



•—„ 



–™ƒ”–‡‘”œ‡Ǧczęść

œƒ Š‘†‹ƒȋ ʹͷȌ

•—„ 



•—„ 



•—„ 



•—„ 



•—„ 





Indeks stanu ichtiofauny SI dla wód przejściowych



Zmiany wartości wskaźników cząstkowych zaprezentowane zostały w formie wykresu

Ž‹‹‘™‡‰‘ȋ”›•ǤʹǤͳǤ͸ͷ). Tendencją, która daje się zauważyć we wszystkich jednolitych częściach

wód do 2015 ”Ǥjest spadek liczebności drapieżników oraz spadek liczebności okonia w połowach.

‡†ƒǡ ™›‹‹ ‘‹–‘”‹‰— ‹ Š–‹‘ˆƒ—› ’”œ‡’”‘™ƒ†œ‘‡‰‘ ™ ʹͲͳ͸ ”Ǥ ™ ‘„•œƒ”œ‡ ƒŽ‡™—

Puckiego, Zalewu Wiślanego i Zatoki Puckiej Zewnętrznej wskazują na nieznaczny wzrost



ʹ͵ͳ

liczebności drapieżników i okonia. W ocenianym okresie w obrębie Ujście Wisły Przekop

‘†‘–‘™ƒ‘ •’ƒ†‡ liczebności dużych ryb, związany ze specyficznymi warunkami

hydrologicznymi obserwowanymi w obrębie stanowisk monitoringowych w trakcie realizacji

połowów. W zaciągach trałowych wykonanych w Ujściu Wisły Przekop w latach 2014 i 2015

dominowały ryby pelagiczne (śledź, szprot, stynka), zaś liczebność dużych ryb (w tym dużych ryb

drapieżnych) była niska. Podobnie liczebność storni na stanowiskach zlokalizowanych w Ujściu

Wisły Przekop była niska w porównaniu do lat wcześniejszych. 

‘ ʹͲͳͷ ”Ǥ obserwowano również spadek liczebności dużych ryb w Zalewie Wiślanym,

Zalewie Puckim i Zatoce Puckiej Zewnętrznej. Wartości tego wskaźnika dla wymienionych

jednolitych części wód wzrosła nieznacznie w 2016 r. W latach 2014 ‹ 2015 w połowach

‘‹–‘”‹‰‘™› Šœ”‡ƒŽ‹œ‘™ƒ› Ša Zalewie Wiślanym odnotowana została silna grupa okoni,

należących do grup wieku powyżej 2. Wartość tego wskaźnika na Zalewie Wiślanym w 2016 rǤ

zmalała w stosunku do roku 2015. Podobnie, w roku 2015 wysoki udział okonia, należącego do

grup wieku powyżej 3 obserwowano na Zalewie Puckim oraz Zatoce Puckiej Zewnętrznej. Liczba

gatunków o udziale przekraczającym średnio 5% liczebności całego połowu w analizowanym

okresie nie wykazuje znaczących trendów i waha się w granicach od 2 do 5.

Należy mieć na uwadze, że obserwowane zmiany wartości wskaźników mogą mieć

charakter krótkich (kilkuletnich) fluktuacji, związanych z naturalną dynamiką populacji ryb

występujących w wodach przejściowych. Zatem, przewidywanie długoterminowych istotnych

trendów w zakresie struktu”› ‹ ˆ— Œ‘‘™ƒ‹ƒ ‹ Š–‹‘ˆƒ—› ƒ „ƒœ‹‡ ‘‰”ƒ‹ œ‘› Š †ƒ› Š

wydaje się niemożliwe.

Wartości prezentowanych wskaźników cząstkowych w latach 2011ǦʹͲͳ͸‘†œ™‹‡” ‹‡†Ž‘‡

zostały w postaci ocen cząstkowych indeksu stanu ichtiofauny (SI) w obrębie monitorowanycŠ

ȋ”›•ǤʹǤͳǤ͸͸). Zmiany ocen cząstkowych z kolei miały znaczenie w kontekście ostatecznej

wartość indeksu SI (”›•ǤʹǤͳǤ͸͹) oraz oceny stanu wód przejściowych opartej o występujące tam

œ„‹‘”‘™‹•ƒ ”›„Ǥ  Žƒ–ƒ Š ʹͲͳͳǦ2015 zaobserwowano spadek wartości indeksu SI w obrębie

większości jednolitych części wód. Był on szczególnie widoczny w przypadku Ujścia Wisły

”œ‡‘’ǡ ƒ–‘i Puckiej Zewnętrznej oraz Zatoki Gdańskiej Wewnętrznej. Wartość indeksu

wzrastała w Žƒ–ƒ ŠʹͲͳ͵ǦʹͲͳ͸™’”œ›’ƒ†—ƒŽ‡™—— ‹‡‰‘Ǥ„Ž‹ œ‘ƒƒ’‘†•–ƒ™‹‡†ƒ› Šœ

ʹͲͳ͸ ”Ǥ wartość indeksu SI wzrosła w odniesieniu do 2015 rǤ również dla Zatoki Puckiej

Zewnętrznej oraz Zalewu Wiślanego.

W badaniach ichtiologicznych istnieje niepewność wyników związana z wysoką

mobilnością ryb i ich behawiorem, a także trudnościami w dostosowaniu metodyki badawczej do

zróżnicowanych warunków środowiskowych. Nie zaleca się jednoœƒ œ‡Œ ‹–‡”’”‡–ƒ Œ‹

przedstawionych wyników jako dowodów na pogorszenie stanu ekologicznego omawianych

jednolitych części wód. Konieczne jest uzyskanie odpowiedniej serii danych, umożliwiających

przetestowanie używanych metod oceny stanu ekologicznego w •ƒŽ‹ œƒ•‘™‡Œ ‘”ƒœ

prześledzenie długotrwałych zmian zachodzących w środowisku. Prezentowane wyniki powinny

być rozpatrywane w zestawieniu ze wskaźnikami opartymi o pozostałe elementy biologiczne,

wykorzystywane do oceny stanu ekologicznego ekosystemów w‘†› ŠǤ





ʹ͵ʹ

›•ǤʹǤͳǤ͸ͷǤ Zmiany wartości wybranych wskaźników cząstkowych w ramach indeksu stanu ichtiofauny

(SI) w poszczególnych jednolitych częściach wód(źródło danych PMŚȌǤ



›•ǤʹǤͳǤ͸͸Ǥ Zmiany oceny wybranych wskaźników cząstkowych w ramach indeksu stanu ichtiofauny

(SI) w poszczególnych jednolitych częściach wód(źródło danych PMŚȌǤ





ʹ͵͵

›•ǤʹǤͳǤ͸͹Ǥ Zmiany wartościindeksu stanu ichtiofauny (SI) w poszczególnych jednolitych częściach wód

(źródło danych PMŚȌǤ



 ‡ƒ•–ƒ—‡‘Ž‘‰‹ œ‡‰‘ƒ’‘†•–ƒ™‹‡‹ Š–‹‘ˆƒ—›™ Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸†ŽƒŒ‡†‘Ž‹–› Š

części wód przejściowych dokonana została z uwzględnieniem zasady „oneǦ‘—–ǦƒŽŽǦout”. Oznacza

to, że w ocenie końcowej za lata 2011Ǧ2016 wzięto pod uwagę najniższą ocenę odnotowaną

™”‘œ’ƒ–”›™ƒ› ‘”‡•‹‡ ȋ–ƒ„‡Žƒ ʹǤͳǤ͵͹ȌǤ  ‡ƒ ƒ ’‘†•–ƒ™‹‡ wskaźnika SI została również

™›‘”œ›•–ƒƒ†‘‘ ‡› ‡ Š›1 (założenia wskaźnika SI odpowiadają następującym kryteriom

RDSM D1C2 „’‘’—Žƒ–ion abundance” iD1C3 „population demographic”ȌǤ  ’”œ›’ƒ†— ͵ 

łącznej oceny nie dokonano ponieważ dostępne dane dotyczą jedynie prób zebranych w 2011 r.

ƒ„‡ŽƒʹǤͳǤ͵͹Ǥ Wartość indeksu stanu ichtiofauny (SI) w poszczególnych jednolitych częściach wód

przejściowych w latach 2011Ǧ2016. Kolorami przedstawiona została ocena stanu

ekologicznego w kolejnych latach oraz łączna ocena w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ǣ œ‡”™‘›–zły,

żółty –—‹ƒ”‘™ƒ›ǡœ‹‡Ž‘›–dobry, biały (Bd) –„”ƒ†ƒ› Šǡ•œƒ”›–brak oceny łącznejǤ

Ujście Dziwny

Średnia

SI z

2011 2012 2013 2014 2015 2016 okresu

20112016

͵ǡ͸

†

†

†

†

†

͵ǡ͸Ͳ

Zalew Kamieński

͵ǡͲ

Nazwa jednolitej części wód

Ujście Świny

Ujście Wisły Przekop

ƒŽ‡™— ‹

Zalew Szczeciński

Zalew Wiślany

Zatoka Gdańska Wewnętrzna

Zatoka Pucka Zewnętrzna

͵ǡͶ

†

†

ʹǡʹ

†

ͳǡ͸

͵ǡ͹

͵ǡͳ

ʹǡͻ

͵ǡ͹

͵ǡͶ

†

†

†

†

†

†

†

†

†

͵ǡͶͲ

ʹǡͲͺ

ʹǡͶʹ

ͳǡͻ͹

†

ͳǡͺ͸

ͳǡ͹ͻ

†

ʹǡ͹ͷ

ʹǡͷ

†

†

†

ʹǡͷ

†

ͳǡͷͺ

ʹǡ͹ͷ

ʹǡͷ

ʹǡͲ͹

†

ʹǡͲͺ

ͳǡ͹ͻ

ͳǡͻ͵

†

†

†

ʹǡ͵͵

†

ʹǡͶ͵

ʹǡͶͷ

͵ǡͲͲ

ʹǡ͹ͺ

ʹǡͷͳ

ʹǡ͸͸

ʹǡͶ͹

ȗ’”œ›’ƒ†—͵ łącznej oceny nie dokonano ponieważ dostępne dane dotyczą jedynie prób zebranych w 2011 rǤ





ʹ͵Ͷ

Ocena

łączna

wedłg

RDSM

ȗ

ȗ



ȗ













›•ǤʹǤͳǤ͸ͺǤ Ocena stanu środowiska morskiego wód przejściowych™edłu‰™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ



›•ǤʹǤͳǤ͸ͻǤ cena stanu środowiska morskiego ƒ’‘†•–ƒ™‹‡ ͳ†Žƒ‹ Š–‹‘ˆƒ—›™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸Ǥ





ʹ͵ͷ

Wiarygodność oceny

Indeks wielkich ryb LFI1



Ocena stanu środowiska wód otwartych została dokonana w oparciu o dane pochodzące 

z kilkunastu lat badań. W każdym roku próby były pozyskiwane z kilkudziesięciu stacji, które

dosyć dobrze pokrywają podobszary ICES 25 i 26. Metody połowu ryb na stacjach co roku były

takie same. Z tego względu wiarygodność oceny stanu środowiska wód otwar–› Š ™ ‘’ƒ” ‹—

‘‹†‡• ͳnależy uznać za wysoką. 

Zastrzeżenie można mieć jedynie do przyjętych obecnie wartości progowych pomiędzy

dobrym, a złym stanem środowiska. Mają one charakter tymczasowy i mogą ulec zmianie. Wtedy

obecna interpretacja wynikówi wynikająca z nich ocena stanu wód otwartych może ulec zmianie.

Niemniej jednak nawet przy zmianie wartości progowych już teraz wyraźnie widać trend

malejący wartości wskaźnika  ͳwskazujący na pogarszanie się stanu środowiska od 2011 r.

ƒ„‡ŽƒʹǤͳǤ͵ͺǤ Metoda wyznaczenia uśrednionej wiarygodności wskaźnika dla jednego obszaru ocenyǤ

Wiarygodność obszaru oceny

 ͳ

„•œƒ”‘ ‡›

ʹͷ

Žƒ•›ˆ‹ƒ Œ‹

Ͳǡͷȗ

Ͳǡͷȗ

Uśredniona wartość

wiarygodności wskaźnika

ȋȌ

Ͳǡͺ͹ͷ

Ͳǡͺ͹ͷ

œƒ•‘™ƒ

ͳ

”œ‡•–”œ‡ƒ

ͳ

‡–‘†›‹

ͳ

ʹ͸

ͳ

ͳ

ͳ

*Obniżona ocena w przypadku klasyfikacji wynika z arbitralnego przyjęcia wartości progowych.



Indeks stanu ichtiofauny SI dla wód przejściowych



 Žƒ–ƒ Š ʹͲͳͳǦ2016 połowy badawcze ukierunkowane na monitoring stanu ichtiofauny

prowadzone były w 18  w obrębie . Większość obszarów, należących do typu wód

przybrzeżnych zbadana była tylko w jednym roku (2011), zaś Jarosławiec Ǧƒ”„‹‘™‘™

†wóch latach (2011 i 2015). Pozostałe , należące do typu wód przejściowych, poddane były

„ƒ†ƒ‹‘ ™ ‘”‡•‹‡ ‘† ͳ ”‘— †‘ ͷ Žƒ–ǡ œ ’”œ‡”™ƒ‹ ȋ–ƒ„‡Žƒ ʹǤͳǤ͵͹ȌǤ ‰‘†‹‡ œ  ‘”ƒœ

—•–ƒŽ‡‹ƒ‹ ȋ  ǦPRO II) w ocenie stanu środowiska morskiego w ramach ‡ Š›ͳ

zastosowanie mają dwa wskaźniki: Abundance of coastal fish key functional groups‹Abundance of

key coastal fish species, obejmujące kluczowe grupy funkcjonalne ryb przybrzeżnych (drapieżniki

i karpiowate) oraz kluczowe gatunki ryb przybrzeżnych (stornia lub okoń). Ocena dokonywana

jest osobno dla poszczególnych stanowisk monitoringu, dzięki czemu minimalizuje się wpływ

warunków środowiska (np. zasolenie wód, temperatura wód) oraz narzędzi połowu na ocenę

stanu. Może być ona przeprowadzona dwoma metodami, zaś wybór metody zależy od dostępności

danych. Jeżeli dostępne są dostatecznie długie serie czasowe, reprezentujące wartości tych

wskaźników (15 i więcej lat nieprzerwanej serii), możliwe jest wykorzystanie podstawowego

podejścia opartego o porównanie aktualnych wartości wskaźników z wartościami

obserwowanymi w okresie referencyjnym (tzw. „baseline approach”). Jeżeli wymagania te nie są

spełnione (np. seria czasowa <15 lat), możliwe jest zastosowanie zastępczej metodyki, opartej o

analizę trendu. Dlatego przeprowadzenie oceny nie jest możliwe dla danych obejmujących wyniki

z jednego lub dwóch lat badań ichtiofaunydla dwóch ww. wskaźników. Z kolei, użycie krótkiej

serii czasowej związane jest z niską mocą statystyczną testu z powodu małej liczby obserwacji

(wartości wskaźnika w poszczególnych latach) i nie jest rekomendowane w ocenie stanu

środowiska morskiego na podstawie ichtiofauny strefy przybrzeżnej. Zgodnie z założeniami



ʹ͵͸

metodycznymi HELCOM FISH PRO II ocena przeprowadzona na serii danych o długości

nieprzekraczającej 10 lat posiada niskąwiarygodność (HELCOM, in prep.).

Biorąc pod uwagę powyższe informacje i argumenty, ocena na podstawie wskaźników

ȋAbundance of coastal fish key functional groups‹Abundance of key coastal fish speciesȌ

nie była możliwa. Do oceny cechy ͳ ™edług RDSM został wykorzystany jednak wskaźnik SI

(założenia wskaźnika SI odpowiadają następującym kryteriom RDSM D1C2 „p‘’—Žƒ–‹‘

abundance” iD1C3 „population demographic”), co pozwoliło dokonać oceny dla sześciu 

przejściowych (–ƒ„‡ŽƒʹǤͳǤ͵ͻǡ”›•ǤʹǤͳǤ͸ͺȌǤ

ƒ„‡ŽƒʹǤͳǤ͵ͻǤ Metoda wyznaczenia uśrednionej wiarygodności wskaźnika  †ŽƒŒ‡†‡‰‘‘„•œƒ”—‘ ‡›Ǥ

Wiarygodność

obszaru

oceny

Ujście

Wisły

Przekop

Zalew

Pucki

Zalew

Szczeciński

Zalew

Wiślany

Zatoka

Gdańska

Wewnętrzna

Zatoka

Pucka

Zewnętrzna

œƒ•‘™ƒ

Ͳǡͷ

Ͳǡͷ

Ͳǡͷ

Ͳǡͷ

Ͳǡͷ

Ͳǡͷ

‡–‘†›‹

Ͳ

Ͳ

Ͳ

Ͳ

Ͳ

Ͳ

”œ‡•–”œ‡ƒ

Žƒ•›ˆ‹ƒ Œ‹

Uśredniona

wartość

wiarygodności

wskaźnika

ȋȌ

ͳ

Ͳ

Ͳǡ͵͹ͷ

ͳ

Ͳ

Ͳǡ͵͹ͷ

ͳ

Ͳ

Ͳǡ͵͹ͷ

ͳ

Ͳ

Ͳǡ͵͹ͷ

ͳ

Ͳ

Ͳǡ͵͹ͷ

ͳ

Ͳ

Ͳǡ͵͹ͷ



W przypadku ichtiofauny, wiarygodność dla obszaruoceny (WO), a więc całego POM, jest

średnią arytmetyczną wiarygodności wskaźników (WW). Dla wskaźnika LFI1 uzyskano

wiarygodność wysoką (0ǡ875) a w przypadku wskaźnika SI niską (0ǡ͵͹ͷȌǤ

W rezultacie w ocenie bioróżnorodności dla ichtiofauny uzyskano wynik wiarygodności

(WO) średni (0ǡ625) zgodnie z klasyfikacją przedstawioną w –ƒ„‡Ž‹ʹǤͳǤͶͲǤ

ƒ„‡ŽƒʹǤͳǤͶͲǤ Klasyfikacja wyniku oceny wiarygodnościǤ



Wartość średniej wiarygodności w

obszarze oceny (WO)

≥ 0,75

Ͳǡͷ–Ͳǡ͹Ͷ

δͲǡͷ

Status wiarygodności

™›•‘ƒ

średnia

‹•ƒ



Siedliskabentosowe

Wskaźniki

W pierwszej wersji oceny holistycznej HELCOM HOLAS II zostały wykorzystane nie

wszystkie wskaźniki, które były w ostatnich latach opracowywane przez odpowiednie grupy

realizujące projekty HELCOM (HELCOM 2017a), ponieważ nadal wymagają doprecyzowania

‡–‘†› obliczania, wyznaczenia wartości progowych we wszystkich obszarach oceny oraz

przetestowania wskaźników w oparciu o odpowiednie dane monitoringowe. Tym samym nie

zostały wykorzystane w ocenie krajowej w POM. 

 ‘ ‡‹‡Š‘Ž‹•–› œ‡ŒœƒŽƒ–ƒʹͲͳͳ–ʹͲͳͷǡ™raporcie „State of the Baltic Sea: The second

Š‘Ž‹•–‹ ƒ••‡••‡–‘ˆ–Š‡‡ ‘•›•–‡Š‡ƒŽ–Š‘ˆ–Š‡ƒŽ–‹ ‡ƒ–first version” ȋ 

ʹͲͳ͹ƒȌ, siedliska bentosowe oceniono stosując jednocześnie: 

1) ™‘†ƒ Š‘–™ƒ”–› Šǣ





ʹ͵͹

ƒȌ wskaźnik „Stan zbiorowisk makrofauny dna miękkiego” – BQI ponad halokliną,

której położenie ustalono arbitralnie na głębokości około 60 m;

„Ȍ wskaźnik eutrofizacji –„Dług tlenowy”określający deficyt tlenu, dla strefy głębszej

niż 60 mǤ

2) W wodach przejściowych i przybrzeżnych

ƒȌ ”ƒŒ‘™‡ wskaźniki stanu makrobezkręgowców bentosowych oraz krajowe

wskaźniki oceny stanu makrofitów; 

„Ȍ wskaźnik eutrofizacji „Przezroczystość wody morskiej – widzialność krążka

Secchiego”Ǣ

Ȍ ™•ƒźnik eutrofizacji „Tlen rozpuszczony przy dnie”Ǥ

ƒ–‘‹ƒ•–ǡ ™ ‹‹‡Œ•œ‡Œ ‘ ‡‹‡ ”ƒŒ‘™‡Œ ™ ǡ •–ƒ •‹‡†Ž‹• „‡–‘•‘™› Š ™ ™‘†ƒ Š

otwartych, jak i w jednolitych częściach wód przejściowych i przybrzeżnych w obszarze POM

został oceniony na podstawie trzech krajowych wskaźników: B, SMͳ‹ œǤ‘‘ ‡›•‹‡†Ž‹•ƒ

dna miękkiego użyto wskaźnika B określającego stan organizmów bentosowych oraz wskaźnika

ͳokreślającego stan makrofitów. Ocenę stanu siedliska dna twardego ‘”ƒœ•–ƒ—•‹‡†Ž‹•ƒ†ƒ

‹‡•œƒ‡‰‘ przeprowadzono tylko za pomocą wskaźnika ͳǤ –ƒ •‹‡†Ž‹•ƒ †ƒ miękkiego

porośniętego makrofitami w zalewach: Wiślanym, Szczecińskim i Kamieńskim oceniono na

podstawie wskaźnika ESMIz.

Wskaźnik ͳ ‘’”ƒ ‘™ƒ‘ ™ ʹͲͲͻ ”Ǥ ȋ•‘™‹‡ ‹ ‹ ‹Ǥ ʹͲͲͻǡ GIOŚ 2014), szczegółowo

uzasadniając jego zastosowanie w oraz podkreślając specyficzny charakter środowiska POM.

Wskaźnik ten zastosowano do oceny wstępnej stanu środowiska polskiej strefy ekonomicznej

Bałtyku za lata ʹͲͲͷǦʹͲͳͲȋGIOŚ ʹͲͳͶȌǤ ‰‘†‹‡œ”ozporządzeniem Ministra Środowiska z dnia

ʹͳŽ‹’ ƒʹͲͳ͸”Ǥ™•’”ƒ™‹‡•’‘•‘„—klasyfikacji stanu jednolitych części wód powierzchniowych

oraz środowiskowych norm jakości dla substancji priorytetowychȋœǤǤ’‘œǤͳͳͺ͹Ȍwskaźnik ten

stosowany jest do oceny stanu makrofitów w wodach przejściowych (Zalew Pucki, Zatoka Pucka

Zewnętrzna) i przybrzeżnych POM. W pozostałych częściach wód przejściowych, takich jak

Zalew Wiślany, Zalew Szczeciński i Zalew Kamieński stosowany jest wskaźnik ESMIz (Ciecierska

i Kolada 2014, Bociąg 2016). Wskaźnik ESMIz został wdrożony do systemu klasyfikacji i ‘ ‡

stanu wód przejściowych i przybrzeżnych w POM decyzją Głównego Inspektora Ochrony

Środowiska, zawartą w dokumencie „Wytyczne dla wojewódzkich inspektoratów ochrony

środowiska do przeprowadzenia oceny stanu jednolitych części wód powierzchniowych oraz

oceny spełnienia dodatkowych wymagań dla wód stanowiących obszary ochronne” w maju 2017

”Ǥ

Koncepcja zastosowania jednego, uniwersalnego wskaźnika do oceny stanu siedlisk

bentosowych na podstawie zoobentosu, na dnie miękkim w wodach otwartych Bałtyku dla celów

II oceny holistycznej wypracowana została w wyniku realizacji projektu HELCOM CORESET II.

Wybrano zmodyfikowany multimetryczny wskaźnik BQI (ang. Benthic Quality Index), który

‘„‡ ‹‡Œ‡•–•›‘‹‡™skaźnika „Stan zbiorowisk makrofauny dna miękkiego”ȋƒ‰ǤState of the

soft-bottom macrofauna community). Oznaczało to wyłączenie z oceny wskaźników bentosowych

opracowanych w większości krajów nadbałtyckich (BQI, DKI, MarBIT, ZKI, BBI i B).

Wskaźnik podstawowy „Stan zbiorowisk makrofauny dna miękkiego” – BQI nie uzyskał

akceptacji wszystkich krajów bałtyckich (m.in. Danii, Niemiec i Szwecji) i nie wykorzystano go do

oceny we wszystkich podakwenach wód otwartych w . Decyzją projektu HELCOM TAPAS

wskaźnik miał mieć zastosowanie w ocenie stanu makrozoobentosu wyłącznie na stacjach o

głębokości nie przekraczającej 60m, co oznacza wyłączenie z oceny akwenów reprezentowanych

przez stacje monitoringowe na głębokościach większych niż 60 m. Dla tych ostatnich obszarów

zarekomendowano użycie wskaźnika zapoży œ‘‡‰‘œ‘ ‡›‡—–”‘ˆ‹œƒ Œ‹–„Dług tlenowy”ȋƒ‰Ǥ

Oxygen debtȌǤ ƒ–‘‹ƒ•– ™ ‘ ‡‹‡ ”ƒŒ‘™‡Œ ‘ ‡‹‘‘ •–ƒ •‹‡†Ž‹•ƒ „‡–‘•‘™‡‰‘ ™ ™‘†ƒ Š

otwartego morza wyłącznie na podstawie wskaźnika B w oparciu o dane ze stacji znajdujących się

zarówno nad jak i pod halokliną, dzięki czemu dodatkowe zastosowan‹‡ ™ ‘ ‡‹‡ ”ƒŒ‘™‡Œ

wskaźnika „Dług tlenowy”jest zbędne. 



ʹ͵ͺ

W zastosowaniu wskaźnika BQI przyjęto założenie, że wrażliwości poszczególnych

gatunków makrozoobentosu, które są składową algorytmu wskaźnika i w istotny sposób

wpływają na wyliczoną wartość, są zależne od różnorodności biologicznej (taksonomicznej),

która jest pochodną od zasolenia. W POM stwierdzenie to należy uznać za uproszczenie, gdyż

różnorodność taksonomiczną i obecość gatunków wrażliwych kształtuje ™‹‡Ž‡ ‹› Š

czynników. Do najważniejszych zaliczyć należy czynniki będące następstwem eutrofizacji: niska

jakość osadów dennych wynikająca z nadmiaru materii organicznej oraz warunki tlenowe w

naddennej warstwie wody. W rejonie południowobałtyckich głębizasolenie zwiększa się wraz ze

wzrostem głębokości, a gatunków zoobentosu –w tym szczególnie wrażliwych –—„›™ƒǤ

Wartości wrażliwości zostały wyznaczone przez Schiele i in. (2016”Ǥ) dla 329 gatunków

makrozoobentosu w 19 podjednostkach geograficznych Bałtyku, uwzględniając różnice zasolenia,

głębokości oraz narzędzia poboru próbek. Nie wyznaczono wartości progowych wskaźnika dla

podakwenów w granicach POM, tj. Basenu Bornholmskiego i Basenu Gdańskiego, a dla

Wschodniego Basenu Gotlandzkiego wartość progowa została wyznaczona wstępnie. Stan

•‹‡†Ž‹• „‡–‘•‘™› Š ™ ™‘†ƒ Š ‘–™ƒ”–› Š  ™  ‘ ‡‹‡ Š‘Ž‹•–› œ‡Œ ȋ  ʹͲͳ͹ƒȌǡ –ŒǤ

Basenu Bornholmskiego i Basenu Gdańskiego został oceniony jedynie przy użyciu wskaźnika

„Dług tlenowy”, ponieważ dla tych podakwenów nie zostały wyznaczone wartości progowe

dobrego stanu środowiska dla BQI. 

Wybór zestawu wskaźników zastosowanych w raporcie II oceny holistycznej (HELCOM

2017a) dla oceny stanu siedlisk bentosowych w wodach przybrzeżnych i przejściowych jest

†›•—•›Œ›ǤProponowane przez zespół ekspercki projektu BalticBOOST i SPICE wskaźniki: „Tlen

rozpuszczony przy dnie” oraz „Przezroczystość wody morskiej – Widzialność krążka Secchi’ego”‹‡

zostaną wykorzystane w ocenie krajowej stanu siedlisk bentosowych. Wskaźniki te stanowią

obiektywne narzędzie do określenia stanu siedlisk pelagicznych, jednak ich wykorzystanie do

oceny siedlisk dna morskiego i bentosu budzi merytoryczne wątpliwości. 

Wskaźnik „Przezroczystość wody morskiej – Widzialność krążka Secchi’ego” †‘–› œ›

wyłącznie przypowierzchniowej warstwy wody (do około 6–͹m), ma więc pośredni i

ograniczony związek z jakością siedlisk dna morskiego. Przezroczystość wody cechuje się

naturalną zmiennością w czasie i przestrzeni (chwilowe posztormowe zmętnienie w‘†›ǡ

intensywne spływy wód rzecznych, przemieszczające się zakwity fitoplanktonu, itp.). Zwiększone

‘ ‡–”ƒ Œ‡ œƒ™‹‡•‹› ‹ ’Žƒ–‘— ™ †›ƒ‹ œ‡Œǡ ’”œ›’‘™‹‡”œ Š‹‘™‡Œ ™ƒ”•–™‹‡ ™‘†› –

ograniczające jej przezroczystość – oddziałują na siedliska dna morskiego i zasiedlający je

zoobentos w sposób, co najwyżej, pośredni. 

Wskaźnik „Tlen rozpuszczony przy dnie” w przydennej warstwie wody należy do grupy

czynników mających istotne znaczenie dla bentosu. Jednak w wodach przybrzeżnych i

przejściowych tlen w naddennej warstwie wody nie jest czynnikiem limitującym stan zbiorowisk

zoobentosu, gdyż płytkość akwenów umożliwia pionowe mieszanie mas wody i dobrą

bezpośrednią wymianę z atmosferą, dzięki czemu w strefie przydennej nie występują deficyty

–Ž‡—Ǥ Ž‡ Œ‡•– œynnikiem limitującym występowanie zespołów zoobentosu zasiedlającego

głębsze dno, poniżej warstwy halokliny (50–60 m), gdzie w wyniku mineralizacji opadającej

materii organicznej może dochodzić do wyczerpywania tlenu w przydennej warstwie wody. Wadą

wskaźnika jest to, że pokazuje stan w momencie pomiaru in situ ‹ ‹‡ ‘†œ™‹‡” ‹‡†Žƒ

retrospektywnie skutków zmian warunków środowiskowych, które ukształtowały aktualnie

występujący zespół bentosu. Przykładem może być sytuacja panująca na dnie

południowobałtyckich głębi. Utrzymujący się stan hipoksji (lub anoksji) powoduje stopniową

eliminację zoobentosu, jednak po wlewie natlenionych wód z Morza Północnego, chwilowy

wzrost stężenia tlenu w przydennej warstwie wody sprawia, że warunki bytowania zoobentosu

™ ‘‡ ‹e pomiaru tlenu mogą mieć wartości optymalne, co nie oznacza, że organizmy

bentosowe będą obecne, ponieważ ponowne zasiedlenie dna nie odbywa się natychmiast po

poprawie warunków tlenowych. Stan ten trwa do czasu wyczerpania tlenu w procesie

‹‡”ƒŽ‹œƒ Œ‹opadającej z toni wodnej materii organicznej. Wskaźnik tlenowy bezpośrednio po

wlewie natlenionych wód wykazuje dobry stan siedliska, podczas gdy wskaźniki biotyczne

oceniające bezpośrednio stan bentosu mogą dawać wynik niekorzystny. 



ʹ͵ͻ

Przyjmując, że stan jakości zbiorowisk zoobentosu jest pochodną stanu jakości siedlisk dna

morskiego, za najbardziej odpowiednią miarę oceny siedlisk dennych uznać należy wskaźniki

biotyczne oparte na charakterystyce struktury jakościowej i ilościowej zoobentosu, z

uwzględnieniem wrażliwości taksonów na czynniki presji, a nie na ocenie zestawu wybranych

czynników fizycznoǦchemicznych. Uzyskana wartość wskaźnika biotycznego zoobentosu

odzwierciedla skumulowane skutki oddziaływania wszystkich, a nie tylko wybranych, czynników

ˆ‹œ› œ‘Ǧchemicznych. W państwach nadbałtyckich od kilkunastu lat powszechnie stosuje się

wskaźniki biotyczne dedykowane bezpośrednio ocenie stanu siedlisk dennych i zasiedlających je

zespołów bentosu.

‘ ‡’ Œƒ ‘ ‡› •–ƒ— •‹‡†Ž‹• „‡–‘•‘™› Š ™  ‘ ‡‹‡ Š‘Ž‹•–› œ‡Œ ™ œƒ”‡•‹‡

wykorzystania wskaźnika „Stan zbiorowisk makrofauny dna miękkiego”– –dla wód otwartych

nie została dotychczas przeanalizowana w kontekście spójności ocen dokonywanych

wskaźnikami krajowymi versus BQI. Również pod względem merytoryczności zasad oceny

proponowanym wskaźnikiem obawy budzić mogą ewentualne skutki niekonsekwencji

metodycznych w stosowaniu wskaźników, z których do najważniejszych zaliczyć należy: 

ͳȌ podział na wody morskie znajdujące się w domenie RDW i wody otwarte będące

przedmiotem oceny w RDSM jest podziałem sztucznym, typowo administracyjnym

ȋ  i podakweny HELCOM są podstawowymi jednostkami zarządzania „basic

management unit” podlegającym odrębnym ocenom i wynikającym z niej

‘•‡™‡ Œ‘ȌǢ’odział ten nie uwzględnia ciągłości siedlisk dna morskiego, które

zachowują te same cechy i właściwości biotyczne i fizycznoǦchemiczne, mimo że

zostały rozdzielone na terytorialne jednostki oceniane różnymi metodami;

ʹȌ wskaźnik BQI bazuje na innych wartościach wrażliwości gatunków zoobentosu niż

wskaźniki krajowe, co może skutkować odmienną wartością oceny;

͵Ȍ wartości referencyjne dla wskaźnika BQI zostały określone w odmienny sposób niż

dla wskaźników krajowych, co może skutkować pojawieniem się różnic między

‘ ‡ƒ‹Ǣ

ͶȌ podział naklasy jakości (wartość progowa stan dobry –GES/stan poniżej dobrego –

subGES) dla wskaźnika BQI został określony w odmienny sposób niż dla wskaźników

”ƒŒ‘™› ŠǤ

 ‘ ‡‹‡Š‘Ž‹•–› œ‡ŒœƒŽƒ–ƒʹͲͳͳ–ʹͲͳͷǡ™‘ ‡‹‡•–ƒ—•‹‡†Ž‹•„‡–‘•‘™› Š™™‘†ƒ Š

‘–™ƒrtych zastosowano wskaźnik biotyczny BQI oraz wskaźnik „Dług tlenowy”ǡ ƒ–‘‹ƒ•– †Žƒ

potrzeb oceny krajowej użyto wskaźnika B opracowanego w Polsce na potrzeby krajowej oceny

stanu ekologicznego w wodach przejściowych i przybrzeżnych w ramach wdrażania RDW

ȋ•‘™‹‡ ‹ ‹‹Ǥ ʹͲͳʹǡ ”ozporządzenie Ministra Środowiska z dnia 21 lipca 

ʹͲͳ͸ ”Ǥ w sprawie sposobu klasyfikacji stanu jednolitych części wód powierzchniowych oraz

środowiskowych norm jakości dla substancji priorytetowych). Metodę tę stosuje się obecnie

również w PMŚ w ocenie stanu środowiska wód otwartych na potrzeby RDSM. Wskaźnik B został

przetestowany i wykorzystany do oceny stanu środowiska wód otwartych w ocenie wstępnej

stanu środowiska polskich wód morskich (Osowiecki i in. 2012, GIOŚ 2014). Wskaź‹‹ ‹ǡ

mimo że oparte są na tych samych kryteriach, różnią się metodyką w zakresie ich zastosowania

ȋ–ƒ„‡ŽƒʹǤͳǤͶͳ‹–ƒ„‡ŽƒʹǤͳǤͶʹȌǤ







ʹͶͲ



ƒ„‡ŽƒʹǤͳǤͶͳǤ Charakterystyka kryteriów zastosowanych w ocenie krajowej i w II ocenie holistycznej

œwykorzystaniem wskaźników B i BQIǤ

’Ǥ

”›–‡”‹ƒ

ͳǤ

Zasięg terytorialny

ʹǤ

Określenie stopnia

wrażliwości/tolerancji

taksonów (w –›

gatunków obcych)

Sposób wyznaczania

wartości referencyjnej

͵Ǥ

ͶǤ

Metoda określania

wartości progowej Ǧ

‰”ƒ‹ › Ȁ•—„ 

 ‡ƒ”ƒŒ‘™ƒ

wskaźnik B

Dno miękkie POM w całym

zakresie głębokości

‡–‘†ƒ‡•’‡” ƒȋ™

oparciu o wiedzę na temat

ekologii i występowania

taksonów) 

Najwyższa wartość

wskaźnika w terytorialnej

Œ‡†‘•– ‡‘ ‡›

‡–‘†ƒ•–ƒ–›•–› œƒ ‡•Ǧ

ƒ•’ƒŽȋͳͻ͹ͳȌ





ʹͶͳ

 ‡ƒŠ‘Ž‹•–› œƒ

wskaźnik BQI

Dno miękkie do głębokości 60 m

(średnia głębokość halokliny)

ƒŽ—Žƒ Œƒƒ–‡ƒ–› œƒȋ‹†‡•

—Ž„‡”–ƒȌ

‡†‹ƒa najwyższych 10% wartości

 ™–‡”›–‘”‹ƒŽ‡ŒŒ‡†‘•– ‡

œƒ•‘Ž‡‹‘™‡Œ™edłu‰ Š‹‡Ž‡‹‹Ǥ

ȋʹͲͳ͸Ȍ

Metoda zależna od obszaru ocenyǣ

Ǧwyznaczona metodą statystyczną

lub metodą ekspercką, 

Ǧwyznaczonych jako 0,6 wartość 10.

percentyla (górnych 10%

wszystkich wartości BQI) w

–‡”›–‘”‹ƒŽ‡ŒŒ‡†‘•– ‡œƒ•‘Ž‡‹‘™‡Œ

 ‡ƒ”ƒŒ‘™ƒ™›‘ƒƒ™‘’ƒ” ‹—‘

wskaźnik B uwzględniać będzie

wszystkie wyniki PMŚ w zakresie badań

ƒ”‘œ‘‘„‡–‘•—œ‡„”ƒ‡™‘”‡•‹‡

‘ ‡›ȋŽƒ–ƒʹͲͳͳ–ʹͲͳ͸Ȍǡƒ™•œ›•–‹ Š

stacjach, na których badano zoobentos,

w całym zakresie głębokości POM.

Zasięg

–‡”›–‘”‹ƒŽ›

Granica głębokości zalegania halokliny,

60 m, nie jest naturalną granicą

różnicującą siedliska denne pod

względem charakteru, właściwości i

integralności. Zastosowanie kryterium

głębokości –w przypadku wskaź‹ƒ

 –•—–—Œ‡™›‡Ž‹‹‘™ƒ‹‡œ

‘ ‡›ƒ•‡—‘”Š‘Ž•‹‡‰‘•–ƒ Œ‹

‘‹–‘”‹‰‘™› ŠœŽ‘ƒŽ‹œ‘™ƒ› Šƒ

większych głębokościach, niż określona

na 60 m głębokość halokliny, w tym

•–ƒ Œ‹ͷȋͻͳȌ‘”ƒœ•–ƒ Œ‹͵ȋͺͻ–ͻͲ

m), która usytuowana jest na zacho†‹

progu Rynny Słupskiej i której dno

zasiedla zróżnicowany i cenny zespół

makrozoobentosu; cyt.: „W 2015 r.,

podobnie jak rok wcześniej, pobrano

próbki fauny dennej w rejonie Rynny

Słupskiej (st. P2 oraz P3), przy czym

•–ƒ Œƒ͵œƒŽ‹ œƒƒŒ‡•–†‘‘„•œƒ”—

ƒ•‡—‘”Š‘Ž•‹‡‰‘ǡƒ•–ƒ Œƒʹ†‘

‘„•œƒ”—ƒ•‡— ‘–Žƒ†œ‹‡‰‘Ǥ

Uzyskane wartości wskaźnika B

wskazywały na dobry (P3), a nawet

bardzo dobry (P2) stan środowiska,

pomimo znacznej głębokości tych stacji

ȋʹ–͹ͶǢ͵–89 m)” (ŁysiakǦ

ƒ•–—•œƒ‹‹Ǥȋ”‡†ǤȌʹͲͳ͸ȌǤ

‘‡–ƒ”œ



Do oceny włączono dane

w zakresie badań

ƒ”‘œ‘‘„‡–‘•—

pozyskanych w PMŚ z

całości obszaru POM.

‡‘‡†ƒ Œƒ



– 251 –

ʹͶʹ

Wskaźnik BQI

 Š™‹Ž‹‘„‡ ‡Œ‹‡ƒ—•–ƒŽ‘› Š

granic stanu wskaźnika BQI dla 2 z 3

jednostek oceny w POM, w związku z

czym nie ma możliwości

wykorzystania wskaźnika w ocenie

”ƒŒ‘™‡ŒǤ

 ‡ƒŠ‘Ž‹•–› œƒ™›‘ƒƒ™

oparciu o wskaźnik BQI uwzględniać

będzie wyniki PMŚ w zakresie badań

makrozoobentosu do głębokości 60

m (średnia głębokość położenia

ŠƒŽ‘Ž‹›Ȍǡ™™›‹— œ‡‰‘

wyłączone będą z oceny duże

ˆ”ƒ‰‡–›†ƒ‘”•‹‡‰‘ǡƒ

których wykonywany je•–

‘‹–‘”‹‰œ‘‘„‡–‘•—‹

pozyskiwane są dane.

Monitor Polski



Wskaźnik B

Wskaźnik B był ‹–‡”ƒŽ‹„”‘™ƒ›™

ramach typu wód przybrzeżnych BC7.

”›–‡”‹—

œƒ•ƒ†‹‡‹‡

możliwości

œƒ•–‘•‘™ƒ‹ƒ

ƒ„‡ŽƒʹǤͳǤͶʹǤ Analiza porównawcza zastosowania wskaźników B i BQI dla poszczególnych kryteriów zastosowanych w ocenie krajowej i w II ocenie holistycznej

™”ƒœœ”‡‘‡†ƒ Œƒ‹Ǥ

‘ ‡‹‡”ƒŒ‘™‡Œǡ™›‘ƒ‡Œ™

oparciu o wskaźnik B, stopień

wrażliwości/tolerancji taksonów

zoobentosu na czynniki presji określono

metodą oceny eksperckiej na podstawie

danych literaturowych oraz wyników

badań własnych nad stałością

występowania taksonów w

poszczególnych typach biotycznych.

ƒ–—‘‘„ ›Ȁ‹™ƒœ›Œ›ƒ†ƒ‘

najniższą wartość wrażliwości.

Określenie

•–‘’‹ƒ

wrażliwości/

–‘Ž‡”ƒ Œ‹

taksonów (w

tym gatunków

‘„ › ŠȌ

‘‡–ƒ”œ

Arbitralne ustalenie głębokości

ŠƒŽ‘Ž‹›ƒ͸Ͳ‡‰ƒ–›™‹‡

weryfikują wyniki badań

monitoringowych. Dane z PMŚ w 2012 r.

(źródło: IMGWǦPIB) wskazują, że

„Najbliżej powierzchni morza, na

’‘œ‹‘‹‡‘ołoͶͲǡŠƒŽ‘Ž‹ƒ

znajdowała się w Głęb‹‘”Š‘Ž•‹‡Œ™

listopadzie, a w pozostałych okresach

pomiarowych występowała na

głębokości około45 m…” (Kamińska

ʹͲͳ͵ȌǤ

Stopień wrażliwości/tolerancji

gatunków, według autorów metody

opartej na wskaźniku BQI zależy od

œƒ•‘Ž‡‹ƒȋ Š‹‡Ž‡‹‹ǤʹͲͳ͸ȌǤƒ–‡–‡

•ƒ‘•‘„‹†ƒ‡‰‘‰ƒ–——ǡ™–›

•ƒ›ƒ™‡‹‡ǡ—œ›•kuje inną wartość

wrażliwości wraz ze zmianą zasolenia,

np. po wlewie wód słonych.

Przyjęto metodę

ekspercką w określaniu

wrażliwości taksonów

œ‘‘„‡–‘•—Ǥ ƒ–—‘

‹™ƒœ›Œ›‹

‘’‘”–—‹•–› œ›

przypisano najniższy

stopień wrażliwości.

‡‘‡†ƒ Œƒ

– 252 –

ʹͶ͵

‘ ‡‹‡Š‘Ž‹•–› œ‡Œ™›‘ƒ‡Œ™

oparciu o wskaźnik BQI stopień

wrażliwości/tolerancji taksonów

œ‘‘„‡–‘•—™›œacza się z

™›‘”œ›•–ƒ‹‡‹†‡•— —Ž„‡”–ƒǤ

‡–‘†ƒ’”œ›œƒŒ‡‰ƒ–—‘

‘’‘”–—‹•–› œ›‹‹™ƒœ›Œ›

wysokie wartości wrażliwości.

ȏ™ǣȐȋ‘™ƒ ƒ‹ƒ”œ‘ ŠƒʹͲͳͷȌǣ

Tab. 1. kolumna „class4_all.

ƒ–—‘–›’‘™›†Žƒ œ›•–‡‰‘ǡ

’‹ƒ•œ œ›•–‡‰‘†ƒȋCerastoderma

glaucumͶǡͳ͹ǡBathyporeia pilosa

Ͷǡ͹͹ǡPygospio elegansͶǡ͵͸Ȍ

przypisano wartości wrażliwości

zbliżone lub niższe niż

‘’‘”–—‹•–› œ›‰ƒ–—‘

wskaźnikowym dna

œ†‡‰”ƒ†‘™ƒ‡‰‘ȋHediste

diversicolorͶǡͳ͹ǡCorophium

volutator 6,41). Wysokie wartości

mają również gatunki obce –

‹™ƒœ›Œ‡ȋ’ǤǣMarenzelleria sppǤ

7,61)”.

Wskaźnik BQI

Monitor Polski



Wskaźnik B

”›–‡”‹—

‘ ‡‹‡”ƒŒ‘™‡Œ™›‘ƒ‡Œ™‘’ƒ” ‹—

o wskaźnik B g”ƒ‹ ‡Ž‹ œ„‘™‡

wskaźnika, określające poszczególne

stany jakości ekologicznej, zgodnie z

’”œ‡’‹•ƒ‹RDW, wyznaczono metodą

ƒ–—”ƒŽ‡‰‘‰”—’‘™ƒ‹ƒȋƒ–—”ƒŽ

„”‡ƒ•Ȍǡȋ ‡•‹ƒ•’ƒŽŽͳͻ͹ͳȌǤ ‡•––‘

‡–‘†ƒ‘’ƒ”–ƒƒ‘’–›ƒŽ‹œƒ Œ‹

podziału danych na grupy ze względu na

ich podobieństwo wewnątrz grupy i

zróżnicowanie pomiędzy nimi. Wartość

progową wedłu‰–granicę

między dobrym stanem środowiska a

stanem poniżej dobrego (GES/subGES)

–przyjęto na poziomie wartości

granicznej między stanem dobrym a

—‹ƒ”‘™ƒ›†‡ˆ‹‹‘™ƒ›†Žƒ

’‘–”œ‡„‘ ‡›Ǥ

‡–‘†ƒ

określania

wartości

’”‘‰‘™‡ŒǦ

‰”ƒ‹ ›

Ȁ•—„ 

ʹͶͶ

‘‡–ƒ”œ

ƒ’”‘’‘‘™ƒ›™’”œ›’ƒ†—‘ ‡›

wskaźnikiem BQI sposób określania

wartości referencyjnej oznacza to, że

około 5% najwyższych wartości

wskaźnika przekroczy wartość

”‡ˆ‡”‡cyjną, a EQR (będący ilorazem

wyliczonej wartości wskaźnika i

wartości referencyjnej ) dla tych

wartości przekroczy wartość 1. Jest to

sprzeczne z definicją, która określa EQR

jako standaryzowaną niemianowaną

wartość, będącą ułamkiem wartości

”‡ˆ‡”‡ ›Œ‡Œwskaźnika, mieszczącą się

™’”œ‡†œ‹ƒŽ‡Ͳ–ͳǤ



W celu określenia granicy

•–ƒ— Ȁ•—„ ™

‘ ‡‹‡•–ƒ—•‹‡†Ž‹•

„‡–‘•‘™› Š

zastosowano metodę

ƒ–—”ƒŽ‡‰‘‰”—’‘™ƒ‹ƒǤ

‡‘‡†ƒ Œƒ

Wartośćreferencyjną

określono na poziomie

najwyższej wartości

wskaźnika zmierzonej w

‘”‡•‹‡‘ ‡›Ǥ

– 253 –



‘ ‡‹‡Š‘Ž‹•–› œ‡Œǡ™›‘ƒ‡Œ™

oparciu o wskaźnik BQI granicę

Ȁ•—„ ™›œƒ œƒ‹Ž‘ œ›Ͳǡ͸‹

wartość 10. percentyla (górnych

10% wszystkich wartości BQI) w

–‡”›–‘”‹ƒŽ‡ŒŒ‡†‘•– ‡œƒ•‘Ž‡‹‘™‡Œ

™edłu‰ Š‹‡Ž‡‹‹ǤȋʹͲͳ͸ȌǤ

Wskaźnik BQI

 ‡ƒŠ‘Ž‹•–› œƒ™›‘ƒƒ™

oparciu o wskaźnik BQI zakłada, że

wartością referencyjną wskaźnika

jest mediana najwyższychͳͲΨ

wartości BQI w terytorialnej

Œ‡†‘•– ‡œƒ•‘Ž‡‹‘™‡Œ™edłu‰

 Š‹‡Ž‡‹‹ǤȋʹͲͳ͸ȌǤ

Monitor Polski



Wskaźnik B

Wartość referencyjna wskaźnika B jest

tożsama z najwyższą wartością

wskaźnika wyliczoną w danym okresie

‘ ‡›Ǥ

”›–‡”‹—

Sposób

™›œƒ œƒ‹ƒ

wartości

”‡ˆ‡”‡ ›Œ‡Œ

Przeprowadzono testowanie wskaźników B i BQI na podstawie danych PMŚ oraz wartości

wskaźnika BQI wyliczonych przez ekspertów grupy HELCOM TAPAS z uwzględnieniem metodyki

zastosowanej w II ocenie holistycznej, tj. wrażliwości gatunków zależnej od zasolenia w akwenach

określonych przez Schiele i in. (2016), dla stacji usytuowanych ponad halokliną. Jedyn›‹

stacjami, które spełniały powyższe kryteria w POM, i dla których wyliczono wskaźniki BQI były

stacje Ł7 i Z, zlokalizowane we Wschodnim Basenie Gotlandzkim. W celach porównawczych, ze

zbioru tych samych danych wyliczono wskaźniki B, osobno dla każdej zanalizowanych 3 próbek

zoobentosu pobranych na stacjach Ł7 i Z w latach 2011–ʹͲͳͷǤ

Na stacji Z wartości wskaźników B i BQI wykazały, że stan zoobentosu na tej stacji

scharakteryzowany obydwoma wskaźnikami określono jako dobry –GES. Na stacji Ł7 Wskaźnik

BQI we wszystkich latach i we wszystkich próbkach wskazał na dobry stan środowiska (GES),

natomiast średnia wartość wskaźnika B w okresie oceny wykazała stan zoobentosu poniżej

†‘„”‡‰‘ȋ•—„ ȌǤ

Zależność wskaźników B i BQI od czynników presji, tj. wskaźników eutrofizacji, zbadano

†Žƒ •‡”‹‹ †ƒ› Š œ ‘”‡•— ‘ ‡› Š‘Ž‹•–› œ‡Œ ȋŽƒ–ƒ ʹͲͳͳ–2016). Analizowano zależności

wskaźników multimetrycznych z następującymi wskaźnikami eutrofizacji (stężenia substancji

biogennych odnoszą się do powierzchniowej warstwy mo”œƒ Ͳ–10 m; stężenie chlorofiluǦƒ †‘

™ƒ”•–™›Ͳ–ʹͲȌǣ



ͳȌ średnia przejrzystość wody morskiej w miesiącach letnich (widzialność krążka

Secchi’ego); Secchi (VI– ȌǢ

ʹȌ przejrzystość wody morskiej w rozdzielczości rocznej –średnia roczna; Secchi (rok)Ǣ

͵Ȍ średnie stężenie fosforanów [POͶ͵Ǧ] w miesiącach zimowych; DIP (I– ȌǢ

ͶȌ średnie roczne stężenie fosforanów; DIP (rok)Ǣ

ͷȌ średnie stężenie fosforu ogólnego w miesiącach letnich; TP (VI– ȌǢ

͸Ȍ średnie roczne stężenie fosforu ogólnego; TP (rok)Ǣ

͹Ȍ średnie stężenie azotu mineralnego w miesiącach zimowych; DIN (I– Ȍ ȏ α͵Ǧ

ΪʹǦΪ ͶΪȐǢ

ͺȌ średnie roczne stężenie azotu mineralnego; DIN (rok)Ǣ

ͻȌ średnie stężenie azotu ogólnego w miesiącach letnich; TN (VI– ȌǢ

ͳͲȌ średnie roczne stężenie azotu ogólnego; TN (rok)Ǣ

ͳͳȌ średnie stężenie ŠŽ‘”‘ˆ‹Ž—Ǧa w miesiącach letnich; ChlǦƒȋ – ȌǢ

ͳʹȌ średnie roczne stężenie chlorofiluǦƒǢŠŽǦƒȋ”‘ȌǢ

ͳ͵Ȍ średnie minimalne stężenie tlenu w warstwie przydennej w miesiącach letnich; Oʹ

ȋ – ȌǤ

Wykonano także analizę zmienności wskaźników B i BQI w czasie (np.wskaźnik B vs czas).

W pięcioletniej serii danych nie udało się ustalić praktycznie żadnej statystycznie istotnej

zależności, z wyjątkiem zależności pomiędzy BQI i zawartością azotu ogólnego (TN). Mając na

uwadze, że stacje Ł7 i Z usytuowane są na płytkimdnie (głębokość odpowiednio: 21 m i 17 m)

zależność tę uznać należy za przypadkową. Brak korelacji z pozostałymi czynnikami presji może

wynikać z korzystnych dla zoobentosu warunków środowiskowych w tej strefie głębokości, ale

’”œ‡†‡™•œ›•–‹œ—„‘‰‹‡‰‘zbioru danych i bardzo krótkiej analizowanej serii pomiarowej. W

tak krótkim okresie, żaden z czynników presji, potencjalnie oddziałujących na zespoły

zoobentosu, nie okazał się czynnikiem limitującym ich rozwój. 

Dalszą analizę korelacji dla tego rejonu POM wykonano wyłącznie dla wskaźnika B, z uwagi

na brak danych w zakresie BQI. Testowano zależność wskaźnika B w następujących układach

†ƒ› Šǣ

ͳȌ zależność od chwilowych stężeń czynników eutrofizacji w warstwie przydennej; 

ʹȌ zależność od wskaźników eutrofizacj‹Ǥ



ʹͶͷ

W układzie chwilowych stężeń substancji biogennych i tlenu w wodzie przydennej dla puli

wyników uzyskanych na stacjach Ł7 i Z w dłuższym ‘”‡•‹‡ȋŽƒ–ƒͳͻͻͻ–ʹͲͳ͸Ȍǡ’‘†‘„‹‡Œƒ†Žƒ

‘”‡•—‘ ‡›ȋŽƒ–ƒʹͲͳͳ–2016), nie udało się wykazać żadnych istotnych s–ƒ–›•–› œ‹‡zależności

między wskaźnikiem Bǡƒ œ›‹ƒ‹‡—–”‘ˆ‹œƒ Œ‹ȋ”›•ǤʹǤͳǤ͹ͲȌǤ



3,70

3,60

3,50

B

3,40

3,30

3,20

3,10

3,00

2,90

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

18,0

20,0

22,0

TN(VI-IX) [mmol m -3]

›•ǤʹǤͳǤ͹ͲǤ Zależność międzywskaźnikiem stanu makrozoobentosu (B) a zawartością azotu ogólnego

™wodzie morskiej w miesiącach letnich (TN(VIǦIX)) w obszarze płytkowodnym POM

(stacje Ł7, Z), dane z lat 1999ǦʹͲͳ͸Ǥ

W ramach badania zależności wskaźnika B od wskaźników eutrofizacji, w •‡”‹‹†ƒ› ŠœŽƒ–

ͳͻͺ͹–2016, jedyną statystycznie istotną zależność stwierdzono pomiędzy wskaźnikiem B i

zawartością azotu ogólnego, który traktuje się często jako aproksymator zawartości materii

organicznej. Zatem nawet w tym płytkim i dynamicznym obszarze morza, zaznacza się wpływ

nadmiaru materii organicznej na zbiorowisko organizmów żyjących na dnie.

Jedyna istotna zależność wystąpiła między wskaźnikiem B i czynnikiem presji – ƒœ‘–‡

całkowitym (w okresie wegetacyjnym –miesiące VIǦIX), co oznacza, że •–ƒœ‘‘„‡–‘•—™•–”‡ˆ‹‡

płytkiego dna limituje przede wszystkim dostępność materii organicznej dla organizmów

filtrujących i odżywiających się materią organiczną zdeponowaną na powierzchni osadów dna

‘”•‹‡‰‘Ǥ

Zoobentos obszaru głębokowodnego (pod halokliną) w polskiej części Wschodniego

ƒ•‡— ‘–Žƒ†œ‹‡‰‘”‡’”‡œ‡–—Œ‡œ„‹‘”‘™‹•‘„ƒ†ƒ‡ƒ•–ƒ Œ‹ͳͶͲǤ ‡‡”ƒŽ‹‡ǡƒ•–ƒ Œƒ Š

głębokowodnych warunki środowiskowe dla bytowania zoobentosu są mniej korzystne niż w

strefie dna płytkiegoǤ onadto ulegają ‘‡ zmianom o nieprzewidywalnej częstotliwości

wywołanej, przede wszystkim, wlewami natlenionych i gęstych wód z Morza Północnego.

Czynniki presji oddziałują na zespoły makrozoobentosu z różnym nasileniem. W tej strefie

głębokości czynniki presji oddziałują na zoobentos w sposób zdecydowanie limitujący, zatem

zależności między wartościami pomiarów a wartością wskaźnika B zaznaczają się znacznie silniej. 

Badanie korelacji wskaźnika B z obszaru głębokowodnego z czynnikami eutrofizacji

™›‘ƒ‘™ƒƒŽ‘‰‹ œ›—kładzie jak w przypadku strefy płytkowodnej. Badano zależność od

chwilowych stężeń czynników eutrofizacji w warstwie wody przydennej oraz zależność od

wskaźników eutrofizacji. Dane pomiarowe z warstwy przydennej stężeń substancji biogennych i

–Ž‡—œŽƒ–ͳͻͻͻ–2016 nie obejmowały okresu 2011–ʹͲͳ͵Ǥ

Badanie korelacji wskaźnika B (zoobentosu) z czynnikami presji –wskaźnikami eutrofizacji

–wykazało kilka istotnych zależności, z których najsilniejsze to zależność między wskaźnikiem B

i zawartością azotu ogólnego w miesiącach letnich (TN VI– Ǣ ”αǦͲǡͺʹǢ αʹͺǢ ’αͲǡͲͲͲȌ ȋ”›•Ǥ



ʹͶ͸

ʹǤͳǤ͹Ͳ), jak i w przedziale całego roku (TNǦ”‘Ǣ”αǦ0,690, n=27, p=0,000), a także korespondującą

z azotem ogólnym jako aproksymatorem obecności materii zawieszonej w kolumnie wody –

widzialnością krążka Secchi w miesiącach letnich (Secchi VI– Ǣ”αǦͲǡ͸ͲͲǡαʹͺǡ’αͲǡͲͲͲȌǤ‹‡ ‘

słabszą, niemniej istotną statystycznie, zależność wskaźnika B stwierdzono względem natlenienia

™ƒ”•–™›’”œ›†‡‡Œȋ”αͲǡ͸ͳͲǡαʹͺǡ’αͲǡͲͲͳͺȌȋ”›•ǤʹǤͳǤ͹ʹ). Natomiast zależności wskaźnika B

od stężeń azotu mineralnego w miesiącach zimowych (DIN I–III) należy uznać za słabe.

Przeprowadzone badanie zależności korelacyjnych wykazało jednoznacznie, że stan zoobentosu

w obszarze głębokowodnym jest zależny od czynników eutrofizacji – ƒ†‹ƒ” ƒ–‡”‹‹

organicznej, aproksymowanej przez zawartość azotu ogólnego, jest czynnikiem niekorzystnym.

Analogicznie działa niedobór tlenu w wodzie przydennej również związany z nadmiarem materii

‘”‰ƒ‹ œ‡ŒǤ





3,40

3,20

3,00

2,80

2,60

2,40

B

2,20

2,00

1,80

1,60

1,40

1,20

1,00

0,80

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

18,0

20,0

22,0

24,0

26,0

28,0

TN (VI-IX) [mmol m -3]



ʹͶ͹

›•ǤʹǤͳǤ͹ͳǤ Zależność między wskaźnikiem stanu makrozoobentosu (B) a zawartością azotu ogólnego

™wodzie morskiej w miesiącach letnich ȋȋ ǦIX)) w płd.Ǧ™• ŠǤ ƒ•‡‹‡ ‘–Žƒ†œ‹

ȋ•–ƒ ŒƒͳͶͲȌǡ†ƒ‡œŽƒ–ͳͻͺ͹ǦʹͲͳ͸Ǥ



3,40

3,20

3,00

2,80

2,60

2,40

B

2,20

2,00

1,80

1,60

1,40

1,20

1,00

0,80

0,00

1,00

2,00

3,00

4,00

5,00

6,00

O2 (VI-IX) [cm 3 dm -3]

›•ǤʹǤͳǤ͹ʹǤ Zależność między wskaźnikiem stanu makrozoobentosu (B) a zawartością tlenu w wodzie

przydennej w miesiącach letn‹ Š ȋʹȋ ǦIX)) w płd.Ǧ™• ŠǤ ƒ•‡‹‡ ‘–Žƒ†œ‹ ȋ•–ƒ Œƒ

ͳͶͲȌǡ†ƒ‡œŽƒ–ͳͻͺ͹ǦʹͲͳ͸Ǥ

Podsumowując, analiza porównawcza ocen stanu środowiska z wykorzystaniem

wskaźników B i BQI wykazała, że wskaźnik B jest bardziej selektywny niż BQI, tj.

™przeciwieństwie do wskaźnika BQI różnicuje stan zoobentosu na stacjach w strefie

płytkowodnej polskiej strefy Bałtyku. Ponadto, wskaźnik B wykazuje silne powiązania z

czynnikami presji, szczególnie w strefie głębokowodnej. Z powyższych stwierdzeń wynika, że

multimetryczny wskaźnik B dobrze charakteryzuje stan zbiorowisk makrozoobentosu w polskiej

strefie Bałtyku, zarówno w strefie płytkowodnej, jak i głębokowodnej. Z tego względu wskaźnik B

Œ‡•–™›‘”œ›•–ƒ›™‘ ‡‹‡•‹‡†Ž‹•„‡–‘•‘™› ŠǤ

‘ ‘ ‡› •–ƒ— •‹edliska dna miękkiego w zalewach, oprócz wskaźnika B, zastosowano

również nowy, krajowy wskaźnik –„Makrofitowy Indeks Stanu Ekologicznego w zalewach”ǡ–œ™Ǥ

ESMIz, dostosowany do oceny stanu jakości środowiska Zalewu Szczecińskiego, Zalewu

Kamieńskiego i Zalewu Wiślanego, na podstawie makrofitów (Ciecierska i Kolada 2014, Bociąg

ʹͲͳ͸ȌǤ



Wskaźnik stanu makrofitów – SM1

Charakterystyka i wzór

Wskaźnik SMͳ do oceny stanu środowiska na podstawie makrofitów w  określa

stosunek biomasy taksonów pozytywnych (BpȌ ȋ–ƒ„‡Žƒ ʹǤͳǤͶ͵.) do całkowitej biomasy

makrofitów (Bc). Wzór uwzględnia wartości procentu pokrycia dna przez te taksony (pd), a także

™•ƒœ—Œ‡miesiące, z których zaciągane są dane ȋ•‘™‹‡ ‹‹‹ǤʹͲͳʹƒȌ. We wzorze wskaźnika

ͳ, zastosowanym w ocenie wstępnej dla lat ʹͲͲͷǦʹͲͳͲ ȋGIOŚ 2014), składowa „procent

pokrycie dna” oraz informacje o miesiącach z których zaciągane są dane, nie były zaznaczone we

™œ‘”œ‡ǡ ƒ Œ‡†›nie w opisie wskaźnika i metodzie jego wyliczania. Dla jednoznaczności, w

poniższym wzorze wskaźnika SMͳzaznaczono ww. składową i informacje o miesiącach.



ʹͶͺ



SM 1 

– 258 –

n

n

 ( B * pd )

‰†œ‹‡ǣ

1

p

p V I   ( B p * pd p ) I X

z

 ( B * pd )

1

t

t VI

Poz. 230

1

z

  ( Bt * pd t ) I X

1



’–„‹‘ƒ•ƒȏ‰•ǤǤȐ–ƒ•‘—’‘œ›–›™‡‰‘ȋ–ƒ•‘ͳ÷Ȍ

’†’–’‘”› ‹‡†ƒ–ƒ•‘—’‘œ›–›™‡‰‘ȋ–ƒ•‘ͳ÷Ȍȋ–ƒ„‡ŽƒʹǤͳǤͶ͵ǤȌ

––biomasa [g s.m.] każdego stwierdzonego taksonu (takson 1÷œȌ

’†– –’‘”› ‹‡†ƒ’”zez każdy stwierdzony takson (takson 1÷œȌ

 –†ƒ‡œ œ‡”™ ƒ

–dane z września

ƒ„‡ŽƒʹǤͳǤͶ͵Ǥ Wykaz taksonów pozytywnych makrofitów uwzględnianych we wskaźniku SM ͳǤ

ƒ•‘›’‘œ›–›™‡†Žƒͳȋ ǡ Ȍ

Chara sp.

Tolypella nidifica

Desmarestia viridis

Dictyosiphon foeniculaceus

Sphacelaria cirrosa

Delesseria sanguinea

Ceramium diaphanum

Ceramium tenuicorne

Ceramium virgatum

Coccotylus truncatus

Furcellaria lumbricalis

Polysiphonia elongata

Vertebrata fucoides-(Polysiphonia fucoides)

Rhodomela confervoides

Ceratophyllum demersum

Myriophyllum spicatum

Potamogeton filiformis

Potamogeton perfoliatus

Ranunculus baudotii

Ruppia maritima

Potamogeton pectinatus -(Stuckenia pectinata)

Zannichellia palustris

Zostera marina



 ‡ƒ•–ƒ—†ŽƒŽƒ–ʹͲͳͳǦ2016 przy zastosowaniu wskaźnika SMͳto średnia ze wszystkich

wartości wskaźnika SMͳwyliczonych na poszczególnych stacjach, w poszczególnych latach, dla

†ƒ‡‰‘‘„•œƒ”—‘ ‡›Ǥ

Wskaźnik SMͳ zastosowano na etapie oceny wstępnej stanu środowiska w POM,

œwyjątkiem zalewów przymorskich za lata ʹͲͲͷǦʹͲͳͲ ȋGIOŚ 2014) i wykorzystano także do

‘ ‡›•–ƒ—†ŽƒŽƒ–ʹͲͳͳǦʹͲͳ͸Ǥ

Wskaźnik SMͳspełnia kryterium D6C5 (–ƒ„‡ŽƒʹǤͳǤʹȌ™”ƒƒ Š ‡ Š›ͳ–różnorodność

„‹‘Ž‘‰‹ œƒ‹ ‡ Š›͸–integralność dna morskiego zgodnie z wytycznymi †‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺǡƒ

także BSAP w zakresie celów ekologicznych –dobrze rozwijającesię i pozostające w równowadze



ʹͶͻ

populacje roślin i zwierząt oraz naturalny krajobraz morski, a przede wszystkim stosowany jest

do oceny stanu ekologicznego wód przejściowych w , w ramach realizacji zaleceń Ǥ



›•ǤʹǤͳǤ͹͵Ǥ Makrofity w Zatoce Puckiej (fot. Instytut Morski w Gdańsku)Ǥ

Wartość progowa dobrego stanu środowiska

Wartość progowa, czyli granica między stanem dobrym –GES a stanem poniżej dobrego –

subGES określanym na podstawie wskaź‹ƒͳ™›‘•‹ͲǡͺͲȋ–ƒ„‡ŽƒʹǤͳǤͶͶȌǤ

ƒ„‡ŽƒʹǤͳǤͶͶǤ Klasyfikacja stanu ekologicznego środowiska na podstawie wartości wskaźnika SMͳ™edłu‰

‹Ǥ



Przedziały wartości wskaźnika

ͳ

Ͳǡͻͷδͳ≤ 1,0

ͲǡͺͲδͳ≤ 0,95

Ͳǡͷ͹δͳ≤ 0,80

ͲǡʹͲδͳ≤ 0,57

0 ≤ ͳ≤ 0,20



™edłu‰

„ƒ”†œ‘†‘„”›ȋͳȌ

†‘„”›ȋʹȌ

—‹ƒ”‘™ƒ›ȋ͵Ȍ

słaby (4)

zły (5)

–ƒ‡‘Ž‘‰‹ œ›

™edłu‰



•—„ 

Czynniki presji powiązane ze wskaźnikiem

Wskaźnik SMͳ bazuje na dynamice wzajemnych zależności między biomasą taksonów

pozytywnych, a biomasą całkowitą, w tym biomasą taksonów oportunistycznych (także

powierzchni jaką porastają), co odzwierciedla stan ekologiczny ekosystemu. Do gatunków

’‘œ›–›™› ŠœƒŽ‹ œƒ‡są gatunki siedliskotwórcze, wrażliwe na zmiany jakości wody, związane

œ †‡ǡ ’Ǥ Furcellaria lumbricalis, porastające dno kamieniste, czy też Zostera marina ‘”ƒœ

ramienice rosnące na dnie piaszczystym. Ich biomasa i powierzchnia porastania dna jest tym

większa, im lepszy jest stan ekologiczny akwenu (wartości wskaźnika ͳsą wówczas bliskie 1).

Zmiany w występowaniu gatunków pozytywnych mogą nastąpić pod wpływem czynników

bezpośrednich, takich jak np. zmiany fizyczne i chemiczne w osadach lub zmiany przezroczystości

wody oraz z przyczyn pośrednich –występowanie gatunków oportunistycznych (negatywnych),

takich jak gatunki jednoroczne o szerokiej tolerancji na zmianę warunków środowiskowych, w



ʹͷͲ

tym na pogarszanie stanu ekologicznego środowiska (wzrost eutr‘ˆ‹œƒ Œ‹ȌǤ ƒ–—‹–‡ǡ’ǤPylaiella

littoralisǡ Ectocarpus siliculosus œ› Chaetomorpha linum, występują najczęściej w postaci

nieprzytwierdzonej do dna i mogą zalegać na różnych typach osadów. W reakcji na zwiększone

stężenia substancji biogennych w wodzie, gatunki te zwiększają swoją biomasę i powierzchnię

pokrywania dna, kosztem gatunków pozytywnych. Ich masowe występowanie, np. w postaci mat

glonowych zalegających na dnie, stanowi poważne zagrożenie dla innych składników biocenozy,

powodując między innymi zmniejszanie przezroczystości wody, zacienianie, czy deficyty tlenowe

w wodach naddennych, a nawet występowanie siarkowodoru w osadach dennych w wyniku ich

masowego rozkładu. Takie zmiany stanu środowiska niekorzystnie wpływają na rozwój

™‹‡Ž‘Ž‡–‹ Š ‹ wrażliwych gatunków makrofitów. Większy udział procentowy gatunków

jednorocznych w całkowitej biomasie makrofitów (wartości wskaźnika SMͳsą bliskie 0) świadczy

o pogarszaniu się warunków troficznych środowiska.



›•ǤʹǤͳǤ͹ͶǤ Dno twarde siedliska bentosowego z makrofitami na głazowisku Ławicy Słupskiej (fot.

Instytut Morski w Gdańsku)Ǥ



Multimetryczny wskaźnik B

Charakterystyka i wzór

Multimetryczny wskaźnik B określa stan ekologiczny miękkiego dna morskiego ƒ

’‘†•–ƒ™‹‡ ƒ”‘œ‘‘„‡–‘•— ȋ•‘™‹‡ ‹ ‹ ‹Ǥ ʹͲͳʹȌǤ  •™‘‹ ƒŽ‰‘”›–‹‡ œƒ™‹‡”ƒ ƒŒ„ƒ”†œ‹‡Œ

istotne kryteria oceny walorów zbiorowiska, tj. różnorodność taksonomiczną i liczebność

poszczególnych taksonów oraz jakościową informację oekologicznej wrażliwośc‹Ȁ–‘Ž‡”ƒ Œ‹

poszczególnych taksonów. Wskaźnik przyjmuje tym wyższe wartości, im większa jest

różnorodność taksonomiczna i udział taksonów wrażliwych, a udział taksonów w strukturze

całkowitej liczebności wyrównany. Wskaźnik wyznacza się wg równania:



3

∑3𝑖𝑖=1(𝑤𝑤𝑖𝑖 𝑄𝑄𝑖𝑖 𝑠𝑠𝑠𝑠𝑖𝑖 )

− 𝑙𝑙𝑙𝑙𝑙𝑙 (1 + ∑ 𝐷𝐷𝑖𝑖 )

𝐵𝐵 =

∑3𝑖𝑖=1 𝐷𝐷𝑖𝑖

𝑖𝑖=1



‰†œ‹‡ǣ



™‹–™ƒ‰ƒŽƒ•†‘‹ƒ Œ‹ǡ

‹Ǧliczba taksonów należących do poszczególnych klas dominacji Dͳǡʹǡ͵ǡ

•‹=Σsensiǡ

współczynnik Q‹=0 jeżeli D‹αͲǢ‹=1 jeżeli D‹≠0ǡ



ʹͷͳ

•‡•‹ – współczynnik wrażliwości/tolerancji taksonów na stres wywołany antropopresją (3 –

taksony wrażliwe, 2 –taksony pośre†‹‡ǡͳ––ƒ•‘›–‘Ž‡”ƒ ›Œ‡Ȍȋ–ƒ„‡ŽƒʹǤͳǤͶͷȌǤ



W zależności od liczby klas dominacji, w‹może przyjmować wartości:



™ͳα͵†ŽƒŽƒ•›†‘‹ƒ Œ‹ͳ(udział > 10%),

™ʹαʹ†ŽƒŽƒ•›†‘‹ƒ Œ‹ʹ(5% ≤ udział ≤ 10%),

™͵αͳ†ŽƒŽƒ•›†‘‹ƒ Œ‹͵(udział < 5%).







Stan zbiorowisk makrozoobentosu mierzony wskaźnikiem B określa się dla każdej stacji. W

przypadku poboru kilku próbekŽ—„†‘‘ƒ‹ƒpowtórzeń na stacji wartość wskaźnika uśrednia

się. 

ƒ”‡• –‘Ž‡”ƒ Œ‹ ‹ wrażliwości taksonów na stres wywołany nadmierną zawartością

materii organicznej w osadzie, będącej wynikiem postępującej eutrofizacji, określono metodą

‘ ‡›‡•’‡” ‹‡Œǡƒ’‘†•–ƒ™‹‡†ƒ› ŠŽ‹–‡”ƒ–—”‘™› Š(Leppäkoski 1975, Pearson i Rosenberg

1978, Ostrowski 1985, Okołotowicz 1985, Żmudziński 1990, Rumohr i in. 1996, Janas 1998,

Rosenberg i in. 2004, Blomqvist i in. 2006, Osowiecki i in. 2008) oraz wyników badań własnych

nad stałością występowania taksonów w poszczególnych typach biotycznych w polskiej strefie

Morza Bałtyckiego. Gatunkom obcymŽ—„inwazyjnym nadano najniższą wartość wrażliwości. Nie

wszystkie gatunki wchodzące w skład biocenozy jednakowo kształtują jej charakter i

ˆ— Œ‘‘™ƒ‹‡ȋ†—ͳͻͺʹȌǤW związku z tym, podstawą algorytmu wskaźnika jest założenie,

że gatunki dominujące w większym stopniu kształtują stan jakości zoocenoz dennych, niż gatunki

występujące nielicznie. We wskaźniku zastosowano klasyfikację dominacji Trojana (1980),

według której gatunki występujące w danym zespole podzielono na: dominanty (D1) –

ƒŒŽ‹ œ‹‡Œ•œ‡ǡ‹ˆŽ—‡–›ȋʹȌ–średnioliczebne oraz gatunki akcesoryczne (D3) –małoliczebne.

Każdej z klas dominacji przypisano wagę odpowiadającą roli, jaką pełnią w środowisku.

‘minantom (stanowiącym więcej niż 10% całkowitej liczebności w próbce) nadano wagę 3, gdyż

to one w największym stopniu kształtują charakter zoocenoz dennych. Influentom, stanowiącym

od 5 do 10% całkowitej liczebności w próbce, nadano wagę odpowiednio niższą –ʹǡƒ‰ƒ–—‘

akcesorycznym, najmniej licznym (stanowiących mniej niż 5% całkowitej liczebności) –

przypisano wagę 1.



›•ǤʹǤͳǤ͹ͷǤ Dno miękkie siedliska bentosowego (fot. Instytut Morski w Gdańsku)Ǥ

Zastosowano trzystopniową skalę tolerancji ‹ wrażliwości, według której podzielono

–ƒ•‘›‘–‘™ƒ‡™’‘Ž•‹‡Œ•–”‡ˆ‹‡Bałtyku (–ƒ„‡ŽƒʹǤͳǤͶͷȌƒǣ





ʹͷʹ

ͳȌ taksony o wąskim za”‡•‹‡–‘Ž‡”ƒ Œ‹ǡ–œ™Ǥ atunki wskaźnikowe dna czystego (Sensi=3);

ʹȌ taksony pośrednie, których występowanie nie jest ściśle skorelowane z zawartością

ƒ–‡”‹‹‘”‰ƒ‹ œ‡Œ™‘•ƒ†ƒ Š†‡› Šȋ‡•‹αʹȌǢ

͵Ȍ –ƒ•‘›‘•œ‡”‘‹œƒ”‡•‹‡–‘Ž‡”ƒ Œ‹ǡ‘†’‘”‡ƒœƒ œą zawartość materii

‘”‰ƒ‹ œ‡Œ™‘•ƒ†œ‹‡ȋ‡•‹αͳȌǤ

ƒ„‡ŽƒʹǤͳǤͶͷǤ Wrażliwości taksonów zoobentosu stosowanych w wyliczaniu wskaźnika BǤ

Taksony wrażliwe (Sensi = 3)

Anodonta anatina

Astarte borealis

Astarte elliptica

•–ƒ”–‹†ƒ‡

Bathyporeia pilosa

Cerastoderma glaucum

Cyathura carinata

Ecrobia ventrosa

Eurydice pulchra

Fabricia stellaris

Heterotanais oerstedii

›†”‘œ‘ƒ

†‘–‡ƒ

Idotea balthica

Idotea chelipes

Idotea granulosa

Jaera albifrons

ƒ‡”ƒ

Leptocheirus pilosus

Monoporeia affinis

Nymphon brevirostre

‹• ‹ ‘Žƒ

Pontoporeia femorata

Priapulus caudatus

Pygospio elegans

Travisia forbesii

‹‘

−

−

−

−

−

−

−

−

−

−

−

−

−

−



Taksony wrażliwe (Sensi = 2)

’Šƒ”‡–‡

Ampharete finmarchica

Ampharete baltica

Apocorophium lacustre

”‹ ‹†‡ƒ

Aricidea cerrutii

Acmira cerrutii

‡œœ‹ƒ

‹–Š›‹ƒ

Bithynia tentaculata

Š‡Ž‹ ‡”ƒ–ƒ

Cyanophthalma obscura

‡†”‘ ‘‡Ž—

Diastylis rathkei

‹’–‡”ƒ

Dreissena polymorpha

Dyopedos monacanthus

Ephydatia fluviatilis

ƒƒ”—•

Gammarus duebeni

Gammarus inaequicauda

Gammarus oceanicus

Gammarus salinus

Gammarus zaddachi

Halicryptus spinulosus

Halitholus cirratus

›†”‘„‹ƒ

Lekanesphaera hookeri

Manayunkia aestuarina

Mytilus edulis

Mytilus trossulus

‡‡”–‡ƒ

Peringia ulvae

‹•‹†‹—

Planaria torva

‘–ƒ‘’›”‰—•

Potamopyrgus antipodarum

Praunus flexuosus

Procerodes littoralis

Radix labiata

’Šƒ‡”‹—

ʹͷ͵

ƒ•‘›™”ƒżliwe (Sensi = 1)

Bylgides sarsi

Capitella capitata

Š‹”‘‘‹†ƒ‡

Š‹”‘‘‹‹

Chironomus plumosus

‘”‘’Š‹—

Corophium multisetosum

Corophium volutator

Crassicorophium crassicorne

Gammarus tigrinus

Hediste diversicolor

•‡ –ƒ

Limecola balthica

Marenzelleria neglecta

Marenzelleria viridis

ƒ”‡œ‡ŽŽ‡”‹ƒ

Mya arenaria

Ž‹‰‘ Šƒ‡–ƒ

Pholoe minuta

Rangia cuneata

Rhithropanopeus harrisii

Saduria entomon

Scoloplos armiger

Streblospio shrubsolii

Trochochaeta multisetosa

−

−

−

−

−

−

−

−

−

−

−

−

−

−

−

−

Taksony wrażliwe (Sensi = 3)

−

−

−

−

−

−

Poz. 230

Taksony wrażliwe (Sensi = 2)

ƒ›’‘†‹ƒ‡

ƒ›–ƒ”•‹‹

Terebellides stroemii

Theodoxus fluviatilis

Valvata piscinalis

Viviparus viviparus

ƒ•‘›™”ƒżliwe (Sensi = 1)

−

−

−

−

−

−

Źródło: opracowanie własne; nazwy taksonów przyjęto za: World Register od Marine Species, http://www.marinespecies.org,

data wejścia na stronę: 11.08.2017.



Wskaźnik B spełnia kryterium D6C5 ȋ–ƒ„‡Žƒ ʹǤͳǤʹǤȌ ™ ”ƒƒ Š ‡ Š› ͳ – różnorodność

„‹‘Ž‘‰‹ œƒ‹ ‡ Š›͸–integralność dna morskiego oraz kryterium D4C1 w ramach cechy Ͷ–

łańcuchy pokarmowe zgodnie z †‡ ›œŒą ʹͲͳ͹ȀͺͶͺǡ ƒ –akże jest stosowany na potrzeby oceny

stanu ekologicznego w wodach przejściowych i przybrzeżnych w ramach RDW ȋ•‘™‹‡ ‹‹‹Ǥ

ʹͲͳʹǡ‘ǤʹͲͳ͸ȌǤ

Wartość progowa dobrego stanu środowiska

artość referencyjna wskaźnika B jest tożsama z najwyższą wartością wskaźnika

wyliczoną w serii danych historycznych. W przypadku, gdy w kolejnym okresie oceny œ‘•–ƒ‹‡

uzyskana wyższa wartość wskaźnika B, staje się ona nową (zaktualizowaną) wartością

referencyjną. Zalecane jest wówczas zaktualizowanie klasyfikacji stanu jakości ekologicznej

metodą Jenks i Caspall (1971). 

Wartość progową wedłu‰  – granicę między dobrym stanem środowiska a stanem

poniżej dobrego (GES/subGES) – przyjęto na poziomie wartości granicznej między stanem

†‘„”›ƒ—‹ƒ”‘™ƒ›†‡ˆ‹‹‘™ƒ›†Žƒ’‘–”œ‡„‘ ‡›Ǥ

Stosuje się pięciostopniową klasyfikację, która została wprowadzona do systemu prawnego

w rozporządzeniu Ministra Środowiska z dnia 21 lipca 2016 r. ™•’”ƒ™‹‡•’‘•‘„— Žƒ•›ˆ‹ƒ Œ‹

stanu jednolitych części wód powierzchniowych oraz środowiskowych norm jakości dla

•—„•–ƒ Œ‹’”‹‘”›–‡–‘™› Šȋ–ƒ„‡ŽƒʹǤͳǤͶ͸ȌǤ



ƒ„‡ŽƒʹǤͳǤͶ͸Ǥ Žƒ•›ˆ‹ƒ Œƒ •–ƒ— jakości zbiorowisk zoobentosu dna miękkiego na podstawie wartości

wskaźnika B wedłu‰‹ȋGIOŚ ʹͲͳͶȌǤ

Wartość wskaźnika B

ε͵ǡ͹ʹ

≥ 3,18

≥ 2,70



≥ 1,91

δͳǡͻͳ

Wartość



εͲǡ͹͸ͷ

≥ 0,647

≥ 0,546

≥ 0,395

δͲǡ͵ͻͷ

–ƒ‡‘Ž‘‰‹ œ›

™edłu‰

„ƒ”†œ‘†‘„”›ȋͳȌ

†‘„”›ȋʹȌ

—‹ƒ”‘™ƒ›ȋ͵Ȍ

słaby (4)

zły (5)

™edłu‰



•—„ 

Czynniki presji powiązane ze wskaźnikiem

Wskaźnik B dobrze charakteryzuje stan zbiorowiska makrozoobentosu w polskiej strefie

Bałtyku – wykazuje zróżnicowanie między obszarami płytkowodnymi i głębokowodnymi oraz

silniej i słabiej narażonymi na wpływ eutrofizacji. Wykazuje także silne powiązanie z czynnikami

’”‡•Œ‹–stężeniami substancji biogennych i natlenieniem wód przydennych.

W strefie płytkowodnej Bałtyku w POM, w ramach badania zależności wskaźnika B od

wskaźników eutrofizacji, w serii danych z lat 1987–2016, statystycznie istotną zależność

stwierdzono pomiędzy wskaźnikiem B i zawartością azotu ogólnego, który traktuje się często jako



ʹͷͶ

aproksymator zawartości materii organicznej. Zatem nawet w tym płytkim i dynamicznym

obszarze morza, zaznacza się niekorzystny (zależność jest odwrotnie proporcjonalna) wpływ

nadmiaru materii organicznej na zbiorowisko organizmów żyjących na dnie. Stan zoobentosu w

strefie płytkiego dna limituje przede wszystkim dostępność materii organicznej dla organizmów

filtrujących i odżywiających się materią organiczną zdeponowaną na powierzchni osadów dna

morskiego (ŁysiakǦƒ•–—•œƒ‹•‘™‹‡ ‹ʹͲͳ͹ȌǤ

Wskaźnik B wykazuje silne powiązania z czynnikami presji szczególnie w strefie

głębokowodnej Morza Bałtyckiego. Badanie korelacji wskaźnika B z czynnikami presji –

wskaźnikami eutrofizacji – wykazało kilka istotnych zależności, z których najsilniejsza to

zależność między wskaźnikiem B i zawartością azotu ogólnego w miesiącach letnich, a także

korespondującą z azotem ogólnym jako aproksymatorem obecności materii zawieszonej w

‘Ž—‹‡ ™‘†› – widzialnością krążka Secchi w miesiącach letnich. Nieco słabszą, niemniej

istotną statystycznie zależność wskaźnika B stwierdzono względem natlenienia warstwy

przydennej. Nadmiar materii organicznej oraz niedobór tlenu w wodzie przydennej są czynnikami

niekorzystnymi (ŁysiakǦƒ•–—•œƒ‹•‘™‹‡ ‹ʹͲͳ͹ȌǤ



Makrofitowy Indeks Stanu Ekologicznego w zalewach – ESMIz

Charakterystyka i wzór

ƒ”‘ˆ‹–‘™› †‡• –ƒ— ‘Ž‘‰‹ œ‡‰‘ ™ œƒŽ‡™ƒ Šǡ –œ™Ǥ  œ Œ‡•– œ‘†›ˆ‹‘™ƒ›

wskaźnikiem ESMI (oceniającym stan ekologiczny jezior polskich), dostosowanym do oceny stanu

jakości środowiska zalewów, takich jak Zalew Szczeciński, Zalew Kamieński i Zalew Wiślany, na

podstawie makrofitów (Ciecierska i Kolada 2014, Bociąg 2016).





H

 N 

ESMIz  1  exp 

 Z  exp   

 P 

 H maks.



Makrofitowy Indeks Stanu Ekologicznego jest wskaźnikiem multimetrycznym,

skonstruowanym z dwóch wskaźników: 

ͳǤ skaźnik zróżnicowania ˆ‹–‘ ‡‘–› œ‡‰‘ ȋ Ȍ uwzględniający skład gatunkowy,

™›Ž‹ œƒ› œ‡ ™œ‘”— Šƒ‘ƒǦWienera (1946), gdzie cechą ilościową są powierzchnie

poszczególnych zbiorowisk:

H  

ni

n

 ln i

N

N

‰†œ‹‡ǣ

H–wskaźnik zróżnicowania fitocenotycznegoǡ

ni – powierzchnia płatów konkretnego zbiorowiska roślinnego, wyrażona w procentach

ogólnej powierzchni fitolitoraluǡ

N–powierzchnia fitolitoralu jeziora przyjęta za 100%.

Wartość wskaźnika H uzależniona jest od liczby zbiorowisk roślinnych w fitolitoralu ‘”ƒœ

ich wzajemnego stosunku ilościowego. W warunkach braku czynników ograniczających

możliwości rozwoju szaty roślinnej (brak lub bardzo mała antropopresja) udział poszczególnych

zbiorowisk roślinnych w fitolitoralu jest zrównoważony, a współczynnik H osiąga wysokie

wartości. W sytuacji zachwiania równowagi fitocenotycznej, np. na skutek presji, układy roślinne

wykazują tendencje do upraszczania się, niektóre zbiorowiska wycofują się, inne zaczynają

dominować, a wartość H spada.

Miarą strukturalnych uproszczeń roślinności pod wpływem antropopresji jest stosunek

rzeczywistego zróżnicowania fitocenotycznego (H) do teoretycznie możliwego maksymalnego

zróżnicowania ƒ•.ǡ‘„Ž‹ œƒ‡‰‘œ‡™œ‘”—ǣ







ʹͷͷ

𝐻𝐻

Poz. 230

= ln𝑆𝑆



maks.

‰†œ‹‡ǣ

Hmaks.–współczynnik teoretycznego maksymalnego zróżnicowania fitocenotycznego 

S–liczba zbiorowisk tworzących fitolitoralǤ

ʹǤ skaźnik zasiedlenia (Ȍ uwzględniający obfitość makrofitów, wyrażający stosunek

powierzchni rzeczywiście zajmowanej przez makrofity (powierzchni fitolitoralu) do powierzchni

potencjalnie dostępnej dla roślin: 

Z

N

P  izob.2,5 

‰†œ‹‡ǣ

Z–wskaźnik zasiedleniaǡ

izob. 2,5 – powierzchnia wody ograniczona izobatą 2,5 m (odczytywana z karty

„ƒ–›‡–”› œ‡ŒȌǡ

N–’‘™‹‡”œ Š‹ƒˆ‹–‘Ž‹–‘”ƒŽ—ǡ

P–powierzchnia całego zalewu.



Wskaźnik zasiedlenia przyjmuje tym wyższe wartości, im większa jest maksymalna

głębokość występowania roślinǤ

Dodatkowo, we wzorze ESMIz wprowadzona została wielkość, uwzględniająca różnice

typologiczne zbiorników, tj. iloraz powierzchni fitolitoralu (N) do powierzchni całego zbiornika

ȋȌǤ

Dane do oceny wskaźnika ESMIz dla zalewów uzyskuje się w oparciu o obserwacje w

transektach, służących ocenie stanu ochrony siedliska przyrodniczego Zalewy i jeziora

przymorskie, laguny ȋͳͳͷͲȌœ‰‘†‹‡œ™›‘‰ƒ‹†›”‡–›™›•‹‡†Ž‹•‘™‡ŒǤ

Wskaźnik ESMIzspełn‹ƒ”›–‡”‹—͸ͷȋ–ƒ„‡ŽƒʹǤͳǤʹȌ™”ƒƒ Š ‡ Š›ͳ–różnorodność

„‹‘Ž‘‰‹ œƒ‹ ‡ Š›͸–integralność dna morskiego zgodnie z †‡ ›œŒąʹͲͳ͹ȀͺͶͺǡa także wymogi

stawiane wskaźnikom jakości ekologicznej.

Wartość progowa dobrego stanu środowiska

Wartość progowa ESMIz jest obniżona w stosunku do wartości oryginalnej wyznaczonej dla

wskaźnika ESMI. Na podstawie teoretycznego modelu wartości wskaźnika ESMI układów

”‡ˆ‡rencyjnych dla zalewów (0,306), wartości graniczne klas stanu ekologicznego na podstawie

ESMI, obowiązujące w PMŚ na podstawie rozporządzenia Ministra Środowiska œ †‹ƒ ʹͳ Ž‹’ ƒ

ʹͲͳ͸ ”Ǥ w sprawie sposobu klasyfikacji stanu jednolitych części wód powierzchn‹‘™› Š ‘”ƒœ

środowiskowych norm jakości dla substancji priorytetowych, zostały odpowiednio

zmodyfikowane. Przyjęto współczynnik przeliczeniowy do kalibracji granic klas stanu

ekologicznego równy 0,3 (Bociąg 2016). Klasyfikacja ta dobrze odzwierciedla zróżn‹ ‘™ƒ‹‡

układów roślinnych w zalewach. 





ʹͷ͸

‘–ǤʹǤͳǤ͹͸Ǥ ƒ–ƒ”ƒœ™› œƒŒ›Acorus calamuswśród zanurzonych i o liściach pływających w rezerwacie

Zatoka Elbląska –Zalew Wiślany (fot. Instytut Morski w Gdańsku)Ǥ



Wartość progową wedłu‰  – granicę między dobrym stanem środowiska a stanem

poniżej dobrego (GES/subGES) przyjęto na poziomie wartości granicznej między stanem dobrym

a umiarkowanym definiowanym dla potrzeby oceny RDW, która wynosi 0,123 (–ƒ„‡Žƒ ʹǤͳǤͶ͹ȌǤ

Taka wartość progowa została wyznaczona jako obniżony dla tego typu wód cel środowiskowy.

ƒ„‡ŽƒʹǤͳǤͶ͹Ǥ Klasyfikacja stanu ekologicznego wskaźnika ESMIz według zmodyfikowanej skali (Bociąg

ʹͲͳ͸Ȍǡ†‘•–‘•‘™ƒ‡Œ™ȋ‘’”ƒ ‘™ƒ‹‡ƒ—–‘”•‹‡ȌǤ

Wartość wskaźnika ESMIz

≥ 0,204

ͲǡʹͲ͵–Ͳǡͳʹ͵

Ͳǡͳʹʹ–ͲǡͲ͸Ͳ



ͲǡͲͷͻ–ͲǡͲͲʹ

δͲǡͲͲʹ

™edłu‰

„ƒ”†œ‘†‘„”›ȋͳȌ

†‘„”›ȋʹȌ

—‹ƒ”‘™ƒ›ȋ͵Ȍ

słaby (4)

zły (5)

–ƒ‡‘Ž‘‰‹ œ›

™edłu‰



•—„ 

Czynniki presji powiązane ze wskaźnikiem

Makrofitowy Indeks Stanu Ekologicznego w zalewach wyraźnie i w sposób kierunkowy

reaguje na antropopresję. Zastosowanie tego wskaźnika pozwala na oszacowanie wpływu presji,

takich jak degradacja, zanieczyszczenie substancjami organicznymi i przekształcenia strefy

brzegowej (Hering i in. 2014) i przede wszystkim eutrofizacja (Hobot i in. 2013, Chilińska 2015).

Zarówno sam kumulatywny indeks, jak i poszczególne wskaźniki, uwzględniające skład

taksonomiczny i obfitość makrofitów, wchodzące w jego skład, wyraźnie korelują ze stanem

troficznym zbiornika, czyli ze wskaźnikami trofii: średnią koncentracją chlorofiluǦa, widzialnością

krążka Secchiego, zawartością fosforu całkowitego czy azotu oraz klasą czystości według SOJJ



ʹͷ͹

(Ciecierska i in. 2006, Ciecierska i Kolada 2014, Chilińska 2015). ESMIz najsilniej koreluje z

widzialnością krążka Secchiego Ǧ im lepsza widzialność, tym wyższy wskaźnik, nieco słabiej z

zawartością związków azotu i fosforu Ǧim wyższa zawartość, tym niższy wskaźnik (Ciecierska i

Kolada 2014). Współczynnik H wchodzący w skład multimetriksu ESMIz wykazuje niewielką,

choć istotną statystycznie korelację z punktacją SOJJ i równie niską lub nawet nieistotną

statystycznie korelację z innymi analizowanymi parametrami presji. Natomiast wskaźnik

zasiedlenia Z wykazuje silną korelację ze wszystkimi analizowanymi wskaźnikami presji i

przyjmuje tym wyższe wartości, im większa jest maksymalna głębokość występowania roślin

ȋ‹‡ ‹‡”•ƒ‹‹ǤʹͲͲ͸ȌǤ

Metoda oceny stanu siedlisk bentosowych

Ocenę stanu siedlisk bentosowych wykonuje się na podstawie pojedynczych wskaźników, a

także na zasadzie integracji wskaźników. Metodą integracji między wskaźnikami jest średnia

ważona uwzględniająca przypisane im wagi. Zgodnie z rekomendacją HELCOM, wagi wskaźników

w obrębie obszaru oceny są równe (HELCOM SPICE 2017). Integrację między wskaźnikami należy

przeprowadzić w ramach jednego obszaru oceny i tych samych ogólnych typów siedliska

™•ƒœƒ› Š™†‡ ›œŒ‹ʹͲͳ͹ȀͺͶͺ, w oparciu o klasyfikację EUNIS zmodyfikowaną przez Evans i

‹Ǥ ȋʹͲͳ͸Ȍ ƒ ’‘–”œ‡„› Ǥ ‰‘†‹‡ œ ’”œ‡™‘†‹‹‡ ’”œ‡’”‘™ƒ†œ‡‹ƒ ‘ ‡› •–ƒ—

środowiska morskiego na potrzeby raportu z art. 8 RDSM (Walmsley i in. 2017) nie integruje się

wskaźników oceniających różne typy siedliska w jednym obszarze oceny. 

W warunkach panujących w POM oznacza to, że oddzielną ocenę należy wykonać dla

siedliska bentosowego dna miękkiego przy zastosowaniu wskaź‹ƒ‹™Œ‡†›’”œ›’ƒ†—™

integracji ze wskaźnikiem SMͳ ȋƒŽ‡™ — ‹Ȍ ‘”ƒœ †Žƒ •‹‡†Ž‹•ƒ „‡–‘•‘™‡‰‘ †ƒ –™ƒ”†‡‰‘

(głazowisko Ławicy Słupskiej i głazowisko Rowy), a także siedliska bentosowego dna mieszanego

(rejon Kilfu Orłowskiego) przy użyciu jedynie wskaźnika SMͳǤ

Ocena stanu siedlisk bentosowych w zalewach: Szczecińskim, Kamieńskim i Wiślanym

przeprowadzono za pomocą wskaźnika B oraz oddzielnie za pomocą wskaźnika ESMIz bez

uwzględnienia integracji między tymi wskaźnikami. ƒ”‘ˆ‹–› ™ œƒŽ‡™ƒ Š œ™‹ązane są z

występującymi tam piaskami infralitoralu (–ƒ„‡ŽƒͳǤͶǤͶ), dlatego wskaźnik ESMIz oceniający stan

środowiska w zalewach na podstawie makrofitów nie może być zintegrowany ze wskaźnikiem B

oceniającym stan dna miękkiego na podstawie makrozoobentosu w tych samych obszarach

ocenyzwiązanyprzede wszystkim z mułami infralitoralu (–ƒ„‡ŽƒͳǤͶǤͶȌǤ

Strukturę zintegrowanej oceny uwzględniającą zastosowane wskaźniki i ich wagi w POM

†Žƒ•‹‡†Ž‹•„‡–‘•‘™› Š’‘†ƒ‘™–ƒ„‡Ž‹ʹǤͳǤͶͺǤ







ʹͷͺ

ʹͷͻ

”ƒŒ‘™›

”ƒŒ‘™›

ͳ

ͳ

”ƒŒ‘™›

”ƒŒ‘™›

”ƒŒ‘™›

”ƒŒ‘™›

”ƒŒ‘™›

 œ



ͳ





”ƒŒ‘™›

ͳ

ͳ

ͳ

ͳ

ͳ

Ͳǡͷ

Ͳǡͷ

ͳ

„”ƒ‹–‡‰”ƒ Œ‹

„”ƒ‹–‡‰”ƒ Œ‹

„”ƒ‹–‡‰”ƒ Œ‹

„”ƒ‹–‡‰”ƒ Œ‹

średnia ważona



„”ƒ‹–‡‰”ƒ Œ‹

„”ƒ‹–‡‰”ƒ Œ‹

Integracja między

œ‘”ƒŽ‹œ‘™ƒ›‹

wskaźnikami (jeśli w

‘„•œƒ”œ‡‘ ‡›

występują 2 wskaźniki)

„”ƒ‹–‡‰”ƒ Œ‹

jeśli ocena

‹‡œ‹–‡‰”‘™ƒƒȋͳ

wskaźnik) –™›‹ƒ

’‘†•–ƒ™‹‡Žƒ•›ˆ‹ƒ Œ‹–‡‰‘

wskaźnika;

jeśli ocena zintegrowana –

™›‹ƒ’‘†•–ƒ™‹‡

Žƒ•›ˆ‹ƒ Œ‹ȋƒ‰Ǥ

Biological Quality RatioȌ

jeśli ocena

‹‡œ‹–‡‰”‘™ƒƒȋͳ

wskaźnik) –™›‹ƒ

’‘†•–ƒ™‹‡Žƒ•›ˆ‹ƒ Œ‹–‡‰‘

wskaźnika;

jeśli ocena zintegrowana –

™›‹ƒ’‘†•–ƒ™‹‡

Žƒ•›ˆ‹ƒ Œ‹ȋƒ‰Ǥ

Biological Quality RatioȌ

 ‡ƒ™‹‡Ž‘Ž‡–‹ƒ

– 268 –



17 jednolitych części

wód –dno miękkie

ƒŽ‡™— ‹–†‘

miękkie



Zalew Wiślany, Zalew

Szczeciński, Zalew

Kamieński –†‘

miękkie

‘™›–Jarosławiec

Wschód –†‘–™ƒ”†‡

ƒ–‘ƒ— ƒ

Zewnętrzna –†‘

‹‡•œƒ‡

ͳ

”ƒŒ‘™›

ͳ

ƒ‰ƒ

wskaźnika

Status wskaźnika

Wskaźnik

œƒ•–‘•‘™ƒ›™

”ƒŒ‘™‡Œ

„zintegrowanej ocenie

bioróżnorodności”



Monitor Polski

wody przejściowe i

przybrzeżne 

„•œƒ”‘ ‡›

Podział M.

‘†ƒ™‡›™

Bałtyckiego na

ƒ™‡›ǦͶǤ’‘œ‹‘

™edłu‰ 

™‘†›‘–™ƒ”–‡

Basen Gdański,

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹ǡƒ•‡

‘”Š‘Ž•‹–†‘

miękkie

ƒ•‡‘”Š‘Ž•‹–

†‘–™ƒ”†‡

ƒ„‡ŽƒʹǤͳǤͶͺǤ –”—–—”ƒœ‹–‡‰”‘™ƒ‡Œ‘ ‡›•‹‡†Ž‹•„‡–‘•‘™› Š™™”ƒƒ Š‘ ‡›™‹‡Ž‘Ž‡–‹‡ŒʹͲͳͳǦʹͲͳ͸Ǥ

Do integracji co najmniej dwóch wskaźników w obszarze oceny, należy stosować wartości

znormalizowane wskaźników. W celu uzyskania wartości wskaźnika w przedziale od 0 do 1,

należy przeprowadzić jego normalizację uwzględniającą wartości minimalne i maksymalne

danego wskaźnika oraz uwzględnienie wartości granicznej dla BQR równej 0,6. 

W ocenie siedlisk bentosowych należy znormalizować wartość wskaźnika B w przypadku

wystąpienia integracji z wartością wskaźnika ͳǤMetoda normalizacji została opracowana na

podstawie metody zastosowanej w II ocenie holistycznej (narzędzie informatyczne BEAT 3.0)

ȋ ʹͲͳ͹ƒȌȋ–ƒ„‡ŽƒʹǤͳǤͶͻ‹–ƒ„‡ŽƒʹǤͳǤͷͲȌǤ

ƒ„‡ŽƒʹǤͳǤͶͻǤ ‡–‘†ƒ‘”ƒŽ‹œƒ Œ‹wskaźnika BǤ

Wartość wskaźnika B (WB)

Ͳ–ͳǡͻͲ

ͳǡͻͳ–ʹǡ͸ͻ

ʹǡ͹–͵ǡͳ͹

͵ǡͳͺ–͵ǡ͹ʹ

͵ǡ͹͵–Ͷǡͻ



”ƒ‹ ƒ

Ͳǡʹ

ͲǡͶ

Ͳǡ͸

Ͳǡͺ

ͳ

ƒ„‡ŽƒʹǤͳǤͷͲǤ Metoda normalizacji wskaźnika ͳǤ

Wartość wskaźnika ͳ

jeśli ͳȋʹͲͳͳǦ2016) < wartość progowa

jeśli ͳȋʹͲͳͳǦ2016) > wartość progowa

‘”ƒŽ‹œƒ Œƒ

ͲǡʹȗȋȀͳǡͻͳȌ

ͲǡʹΪͲǡʹȗȋȋǦͳǡͻͳȌȀͲǡ͹ͻȌ

ͲǡͶΪͲǡʹȗȋȋǦʹǡ͹ȌȀͲǡͶͺȌ

Ͳǡ͸ΪͲǡʹȗȋȋǦ͵ǡͳͺȌȀͲǡͷͶȌ

ͲǡͺΪͲǡʹȗȋȋǦ͵ǡ͹ʹȌȀͳǡͳͺȌ

‘”ƒŽ‹œƒ Œƒ

Ͳǡ͸ȗȋͳ–wartość min.)/(wartość progowa –

wartość min.)

Ͳǡ͸ΪͲǡͶȗȋͳ–wartość progowa)/(wartość max. –

wartość progowa)



Jeśli do oceny stanu w danym obszarze oceny wykorzystano co najmniej dwa wskaźniki,

™›Ž‹ œ‘‘†Žƒ‹ Šȋƒ‰ǤBiological Quality Ratio) ‹ wykonano ich integrację, to wynik takiej

zintegrowanej oceny należy sklasyfikować w sposób następujący (–ƒ„‡ŽƒʹǤͳǤͷͳȌǣ

ƒ„‡ŽƒʹǤͳǤͷͳǤ Žƒ•›ˆ‹ƒ Œƒ ™›‹— ‘ ‡› •–ƒ— •‹‡†Ž‹• „‡–‘•‘™› Š – BQR w ramach „zintegrowanej

oceny bioróżnorodności”Ǥ

Wartość graniczna BQR

≥ 0,6

δͲǡ͸

›‹

Status „zintegrowanej oceny

bioróżnorodności” –•‹‡†Ž‹•ƒ„‡–‘•‘™‡

†‘„”›– 

poniżej dobrego –•—„ 

Ͳǡ͸–ͳǡͲ

Ͳ–Ͳǡͷͻ



Jeśli ocena stanu danego obszaru zostanie przeprowadzona za pomocą tylko jednego

wskaźnika, wynik takiej oceny klasyfikuje się na podstawie wartości progowej tego wskaźnika

między stanem GES – †‘„”›ǡ ƒ •–ƒ‡ •—„  – poniżej dobrego. Dotyczy to zarówno

™ykorzystania w ocenie obszaru wyłącznie wskaźnika ͳȋ–ƒ„‡ŽƒʹǤͳǤͷʹ), wskaźnika B (–ƒ„‡Žƒ

ʹǤͳǤͷ͵) albo wskaźnika ESMIz (–ƒ„‡ŽƒʹǤͳǤͷͶȌǤ

ƒ„‡ŽƒʹǤͳǤͷʹǤ Klasyfikacja wyniku oceny stanu siedlisk bentosowych na podstawie wskaźnika ͳǤ



Wartość wskaźnika ͳ

εͲǡͺͲ

≤ 0,80

–ƒ–—•‘ ‡›

†‘„”›– 

poniżej dobrego –•—„ 

Wartość wskaźnika B

≥ 3,18

δ͵ǡͳͺ

–ƒ–—•‘ ‡›

†‘„”›– 

poniżej dobrego –•—„ 

ƒ„‡ŽƒʹǤͳǤͷ͵Ǥ Žƒ•›ˆ‹ƒ Œƒ™›‹—oceny stanu siedlisk bentosowych na podstawie wskaźnika BǤ





ʹ͸Ͳ

ƒ„‡ŽƒʹǤͳǤͷͶǤ Žƒ•›ˆ‹ƒ Œƒ™›‹—‘ ‡›•–ƒ—•‹‡†Ž‹•bentosowych na podstawie wskaźnika ESMIzǤ



Wartość wskaźnika ESMIz

≥ 0,123

δͲǡͳʹ͵

–ƒ–—•‘ ‡›

†‘„”›– 

poniżej dobrego –•—„ 

Ocena siedlisk bentosowych za lata 2011-2016

Na potrzeby krajowej oceny stanu środowiska morskiego w zakresie siedlisk bentosowych

wykorzystano cząstkowe oceny wskaźników krajowych: wskaźnika stanu makrofitów – ͳǡ

multimetrycznego wskaźnika B oraz makrofitowego indeksu stanu ekologicznego w zalewa Š–

ESMIz. Do obliczeń wartości wskaźników posłużono się wyłącznie danymi krajowymi z MŚ ze

stacji badań makrozoobentosu, makrofitów na głazowiskach oraz w Zalewie Puckim i w Zatoce

Puckiej Zewnętrznej (”›•Ǥ ʹǤͳǤ͹͹) oraz ze stacji badań makrofitów w Zalewie Wiślanym,

Szczecińskim i Kamieńskim (”›•Ǥ ʹǤͳǤ͹ͺ). Wykaz powyższych stacji wraz ze współrzędnymi

geograficznymi znajduje się na ”›•ǤʹǤͳǤ͹͹Ǥ



›•ǤʹǤͳǤ͹͹Ǥ Lokalizacja stacji badań makrofitów i makrozoobentosu w ramach PMŚ, dostarczających

danych do oceny stanu siedlisk bentosowych w POM na podstawie wskaźników ͳ‹Ǥ





ʹ͸ͳ



›•ǤʹǤͳǤ͹ͺǤ Lokalizacja stacji badań makrofitów w ramach PMŚ, dostarczających danych do oceny stanu

siedlisk bentosowych w Zalewie Wiślanym, Szczecińskim i Kamieńskim na podstawie

wskaźnika ESMIzǤ





ʹ͸ʹ



™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

Zalew Szczeciński

Zalew Szczeciński

 ͺ

 ͺ

 ͺ



ͷ͵ǤͻͺͲͳ



ʹ͸͵

ʹ



ʹ













Ǧ

ͷ͵ǤͺͷͻͲ

ͷ͵Ǥͺͺ͵Ͳ

ͷ͵Ǥ͹ͺͷͲ

ͷ͵Ǥ͹͹ͺͲ

ͷ͵Ǥ͸͹͵Ͳ

ͷ͵Ǥ͹͸ʹͲ

ͷͶǤͲ͵ʹ͹

ͷͶǤͲͲͻͻ

Ǧ

Ǧ





Zalew Kamieński 3

Zalew Kamieński 2

ͷͶǤͲͳͻͺ

ͷ͵ǤͺͶͺͲ

ͷͷǤʹͻͳ͸

ͷͷǤͷͷͷͲ

ͷͶǤͺ͹ͷͲ

ͷͶǤͺ͵͵͵

ͷͶǤͷͲͲͲ

ͷͶǤ͸͸͸͸

ͷͶǤͺ͵͵͵

ͷͶǤͻͻͳ͸

ͷͶǤͻ͸Ͷ͹

ͷͶǤʹͷ͸͸

ͷͶǤ͸͵͵͵

ͷͶǤͶͷͲͲ

ͷͶǤͲ͸͸͸

ͷͷǤʹͳ͸͸

ͷͷǤʹͷͲͲ

Szerokość

‰‡‘‰”ƒˆ‹ œƒȏȐ



Ͷ͵





Zalew Kamieński 1

ʹ

ͳ

ͳͳ

ͷͳ

͸

ǦͶ

ͳ

Ǧͳ

Ǧ

ͷ͸

ͳʹ

ͳ͵

ͳͶͲ



͹

ͳͳͲ

Ͷ

ͳ

ͳ



͸

ͳ͸

͵

ͳͶ

Ǧ͵

ʹ

‘†•–ƒ Œ‹™edłu‰



ͳͶǤʹͺʹͲ

ͳͶǤ͵ͻͺͲ

ͳͶǤ͵ͳͲͲ

ͳͶǤͷ͵͵Ͳ

ͳͶǤͷʹͷͲ

ͳͶǤͶͲ͸Ͳ

ͳͶǤ͹ͻ͵ͺ

ͳͶǤ͹ʹͳͳ

ͳͶǤͺͲ͵Ͷ

ͳͶǤ͹Ͷʹͷ

ͳͶǤ͸ʹ͵Ͳ

ͳͺǤͲͲͲͲ

ͳͺǤͶͲͲͲ

ͳͺǤͲͺ͵͵

ͳ͹Ǥͷ͵ͷͲ

ͳͻǤͳͳ͵͵

ͳͺǤͺ͵͵͵

ͳͻǤ͵͵͵͵

ͳ͸Ǥ͸͸͸ͻ

ͳ͸ǤͷͻͲͷ

ͳͷǤͷ͵͵͵

ͳ͸ǤͺͲͲͲ

ͳͷǤͻͺ͵͵

ͳͶǤʹͷͲͲ

ͳ͹ǤͲ͸͸͸

ͳͷǤͻͺ͵͵

Długość

‰‡‘‰”ƒˆ‹ œƒȏȐ

– 272 –



 ͺ

Zalew Szczeciński

 ͺ

Zalew Szczeciński

Zalew Szczeciński

 ͺ

 ͻ

 ͻ

 ͻ

 ͻ

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

 ͻ

Zalew Szczeciński

Zalew Kamieński

ƒŽ‡™Kamieński

Zalew Kamieński

Zalew Kamieński

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Zalew Kamieński

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

ͳ͵

͵

ͷ

ƒœ™ƒ•–ƒ Œ‹

Monitor Polski

Basen Gdański

Basen Gdański

Basen Gdański

ƒ•‡‘”Š‘Ž•‹

ƒ•‡‘”Š‘Ž•‹

ƒ•‡‘”Š‘Ž•‹

ƒ•‡‘”Š‘Ž•‹

ƒ•‡‘”Š‘Ž•‹

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

ƒ•‡‘”Š‘Ž•‹

ƒ•‡‘”Š‘Ž•‹

™‘†›‘–™ƒ”–‡Ȁ’‘†ƒ™‡ 

Typ wód

ƒ•‡‘”Š‘Ž•‹

„•œƒ”‘ ‡›

ƒ„‡ŽƒʹǤͳǤͷͷǤ Šƒ”ƒ–‡”›•–›ƒ•–ƒ Œ‹monitoringowych, z których pozyskano dane do oceny siedlisk bentosowych(źródło danych PMŚ)Ǥ

 ͺ

 ͵

 ʹ

 ʹ

 ʹ

 ʹ

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

ͷͶǤʹͺ͵Ͳ

ͷͶǤͶʹͳͲ

Ǧ

ʹ͸Ͷ

Ǧ 

ͳ

ͳ

ȋ‘‹‡ –”ƒ•‡–—Ȍ

Ǧ 

ͷ

͸ƒ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

ͳͲ

JK (początek transektu)

͸

͸ƒ

Zalew Wiślany Ǧ‘Ž‹ ‘

Zalew Wiślany –Nowa Pasłęka

Zalew Wiślany –Kąty Rybackie

Zalew Wiślany Ǧ ”‘„‘”

Zalew Wiślany Ǧ”œ‡„”‘

ͳͲ

Zalew Wiślany Ǧ‹ƒ•‹

ͷͶǤͷ͸͹Ͳ

ͷͶǤ͹͵͵ͳ

ͷͶǤ͹͵ͷͷ

ͷͶǤ͸ͷ͸͸

ͷͶǤ͹ͳͻͲ

ͷͶǤ͵ʹͷͳ

ͷͶǤ͵ͷ͸Ͷ

ͷͶǤͶ͵͵͸

ͷͶǤ͵͵ͻ͵

ͷͶǤ͵ͷͳͷ

ͷͶǤ͵͵͵Ͳ

ͷͶǤ͵ͲͲͲ

ʹ

ͺ

ʹ

ͺ

ͷͶǤ͵͸͹Ͳ

ͷͶǤͶͲͲͲ

ͷͶǤ͵ͷͺͲ

ͷͶǤͶ͵ͺͲ

ͷͶǤͶ͵͹Ͳ

ͷͶǤͶͶͲͲ

ͷ͵Ǥ͸ͻͻͲ

ͷ͵Ǥ͹Ͷʹʹ

ͷ͵Ǥ͸ͻ͸ͻ

ͷ͵Ǥ͹ͻͲ͹

ͷ͵Ǥͺ͹Ͳͻ

ͷ

͸

ͷ

͵

ʹ

ͳ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

ͷ

͸

ͷ

͵

ʹ

ͳ

Zalew Szczeciński 7

Zalew Szczeciński 6

ƒŽ‡™Szczeciński 5

Zalew Szczeciński 4

ͷ͵ǤͺͶͺͶ

ͷ͵ǤͻͲ͸͵

Ǧ



Szerokość

‰‡‘‰”ƒˆ‹ œƒȏȐ

‘†•–ƒ Œ‹™edłu‰



ͳͺǤ͸ͺ͵Ͳ

ͳͺǤͷ͸ͷͺ

ͳͺǤͷ͸͹ͷ

ͳͺǤͷʹͳ͸

ͳͺǤͶͺͶͳ

ͳͻǤͷʹͲͶ

ͳͻǤ͸͹Ͳ͹

ͳͻǤ͹͹Ͷͺ

ͳͻǤʹ͵͹͵

ͳͻǤ͵Ͷͺͳ

ͳͻǤͷ͹ͺʹ

ͳͻǤͷͳͻͲ

ͳͻǤͶͳͻͲ

ͳͻǤʹͺ͵Ͳ

ͳͻǤͶͷ͸Ͳ

ͳͻǤ͸͵͵Ͳ

ͳͻǤ͸ͷͺͲ

ͳͻǤ͹͸ͶͲ

ͳͻǤ͹ͳ͹Ͳ

ͳͻǤ͸͸͹Ͳ

ͳͶǤ͵͸ͺͳ

ͳͶǤ͵Ͳͳ͸

ͳͶǤͷͶͶͲ

ͳͶǤ͸ͳ͵ͳ

ͳͶǤͶʹ͵ʹ

ͳͶǤͷ͹ͷʹ

ͳͶǤʹ͸ͺʹ

Długość

‰‡‘‰”ƒˆ‹ œƒȏȐ

– 273 –



Zatoka Pucka Zewnętrzna

ƒŽ‡™— ‹

ƒŽ‡™— ‹

ƒŽ‡™— ‹

ƒŽ‡™— ‹

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

 ͳ

 ͺ

 ͺ

 ͺ

 ͺ

Zalew Szczeciński 3



Zalew Szczeciński 1

ƒœ™ƒ•–ƒ Œ‹

Monitor Polski

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Wiślany

Zalew Szczeciński

Zalew Szczeciński

Zalew Szczeciński

Zalew Szczeciński

 ͺ

Zalew Szczeciński

Zalew Szczeciński

 ͺ

Typ wód

Zalew Szczeciński

„•œƒ”‘ ‡›

 ͵

͸

͹

Ujście Świny

 ͺ

 ͸

͵





ͳ͸

ͳͳ

Ǧͳ

ͳ͵

ͳ

ͳ͵

ʹ

ʹ͸ͷ

͸

͸

ͳͷ

ʹ

ͳͷ

ͳ͵ƒ

ͳʹ

Ǧ

ͳ͵ƒ

ͳʹ



ͻ

ͳͳ

ͻ

ͺ

ͷ

Ͷ

͵

ͺ

ͷ

Ͷ

͵

ͳͻ

ͳ͸

ͳͻ

ͳͺ



 

ͳͺ



 



͵



ǦͳͲͶ

ͳͲͶ

ͷͶǤʹͻͷͲ

ͷ͵ǤͻͺͳͲ

ͷͶǤͺͶ͵Ͳ

ͷͶǤͺͳ͸͸

ͷͶǤͺ͵ͻͲ

ͷͶǤ͹͹ͻͶ

ͷͶǤ͸ͺͳ͸

ͷͶǤ͸ͺͳ͵

ͷͶǤ͸͹ͷͲ

ͷͶǤͷͻͶͲ

ͷͶǤͷ͹͵͹

ͷͶǤʹͲͶͲ

ͷͶǤͳ͸͹Ͳ

ͷͶǤͳͳ͵Ͳ

ͷͶǤ͹ͻ͹Ͳ

ͷͶǤͶͳͷͻ

ͷͶǤ͹ʹͲͲ

ͷͶǤͲͲͷͻ

ͷ͵Ǥͻ͸ͶͲ

ͷ͵ǤͻͶ͵Ͷ

ͷͶǤ͵ͺ͵Ͳ

ͷͶǤͲͶͲͲ

ͷͶǤͷͺͳ͸

ͷͶǤͶͺͻͻ

ͷͶǤͶͺ͹ͳ

ͷͶǤͶͺͶͺ

ͷͶǤ͸ͺͳͲ

Szerokość

‰‡‘‰”ƒˆ‹ œƒȏȐ

ͳ͸ǤͳʹͷͲ

ͳͶǤͶͻͺͲ

ͳͺǤ͵ͶͶͲ

ͳ͹Ǥͺ͵Ͳͷ

ͳͺǤͲ͹ͺͲ

ͳ͹Ǥͷͷͷͳ

ͳ͹ǤͲͶ͸͸

ͳ͹ǤͲͶͲͷ

ͳ͹ǤͲ͵ͲͲ

ͳ͸Ǥͺ͸ͺͲ

ͳ͸Ǥ͹Ͳ͵ͺ

ͳͷǤͷͷ͹Ͳ

ͳͷǤʹͻͳͲ

ͳͷǤͲ͸ͷͲ

ͳͺǤͶͳͻͲ

ͳͻǤͶͻͷͺ

ͳͺǤ͸Ͷ͸Ͳ

ͳͶǤʹ͵͵ͷ

ͳͶǤʹͶͷͲ

ͳͶǤʹ͵ͷʹ

ͳͺǤͻ͸ͺͲ

ͳͶǤ͹ʹͺͲ

ͳͺǤ͹ͻͲͲ

ͳͺǤͺͳ͹ͷ

ͳͺǤͷ͹͸͵

ͳͺǤͷ͹ʹͲ

ͳͺǤ͸ͺ͵Ͳ

Długość

‰‡‘‰”ƒˆ‹ œƒȏȐ

– 274 –



 ͹

 ͻ

JarosławiecǦƒ”„‹‘™‘

œ‹™ƒǦŚwina

 Ͷ

 ͷ

 ͷ

 ͷ

 ͸

WładysławowoǦJastrzębia Góra

Jastrzębia GóraǦ‘™›

Jastrzębia GóraǦ‘™›

Jastrzębia GóraǦ‘™›

‘™›ǦJarosławiec Wschód

 ͸

‘™›ǦJarosławiec Wschód

‘™›ǦJarosławiec Wschód

 ͸

 ͸

 ͺ

‘™›ǦJarosławiec Wschód

‘™›ǦJarosławiec Zachód

ƒ”„‹‘™‘Ǧœ‹™ƒ

 ͺ

ƒ”„‹‘™‘Ǧœ‹™ƒ



Ǧ



ȋ‘‹‡ –”ƒ•‡–—Ȍ

Ǧ

ͳʹ

KO (początek transektu)

ͳʹ

‘†•–ƒ Œ‹™edłu‰



ƒœ™ƒ•–ƒ Œ‹

Monitor Polski

ƒ”„‹‘™‘Ǧœ‹™ƒ

 ͵

 ͳ

 ʹ

͹

ort Władysławowo

Mierzeja Wiślana

ółwysep Hel

͹

Ujście Świny

Ujście Świny

ͷ

Ujście Wisły Przekop

 Ͷ

Ujście Dziwny

Zatoka Gdańska Wewnętrzna

 Ͷ

Zatoka Gdańska Wewnętrzna

 ͵

Zatoka Pucka Zewnętrzna

Zatoka Pucka Zewnętrzna

 ͵

Typ wód

Zatoka Pucka Zewnętrzna

„•œƒ”‘ ‡›

 ͹

Typ wód

͹

‘†•–ƒ Œ‹™edłu‰



ͷͶǤͶͷͳͲ

Szerokość

‰‡‘‰”ƒˆ‹ œƒȏȐ

ͳ͸Ǥ͵͸ͳͲ

Długość

‰‡‘‰”ƒˆ‹ œƒȏȐ

– 275 –

ʹ͸͸

͹

ƒœ™ƒ•–ƒ Œ‹

Monitor Polski



JarosławiecǦƒ”„‹‘™‘

„•œƒ”‘ ‡›

Ocena na podstawie wskaźnika SM1

Do oceny stanu środowiska za pomocą wskaźnika ͳ™›‘”œ›•–ƒ‘†ƒ‡PMŚ œ‡„”ƒ‡™

Žƒ–ƒ Š ʹͲͳͳǦ2016, dotyczące biomasy i pokrycia dna przez taksony makrofitów w czterech

‘„•œƒ”ƒ Š‘ ‡›™ȋ–ƒ„‡ŽƒʹǤͳǤͷ͸ȌǤ

ƒ„‡ŽƒʹǤͳǤͷ͸Ǥ Stacje, z których uzyskano niezbędne dane o makrofitach wykorzystane do

przeprowadzenia oceny stanu środowiska w POM za pomocą wskaźnika ͳœƒ‘”‡•ʹͲͳͳǦ

ʹͲͳ͸ȋ™edług danych PMŚ)Ǥ

„•œƒ”‘ ‡›

ƒ•‡‘”Š‘Ž•‹

(Głazowisko Ławicy

Słupskiej)

‘™›ǦJarosławiec Wschód

(Głazowisko Rowy)

ƒŽ‡™— ‹

Zatoka Pucka Zewnętrzna

ȋ†‘‹‡•œƒ‡™”‡Œ‘‹‡

Klifu Orłowskiego)

–ƒ Œƒ

ǡͳ

›’‘‹–‘”‹‰—

 



ǡͳ

’”‘ˆ‹Ž ȋ͹•–ƒ Œ‹”‘œ‹‡•œ œ‘› Šƒ’”‘ˆ‹Ž— ‘

1 m głębokości)

’”‘ˆ‹Žȋͺ•–ƒ Œ‹”‘œ‹‡•œ œ‘› Šƒ’”‘ˆ‹Ž— ‘ͳ

m głębokości)

 



 



 





Oceny stanu siedliska bentosowego na podstawie makrofitów w analizowanych obszarach

oceny dokonano na podstawie łącznie 98 wartości wskaźnikaͳœŽƒ–ʹͲͳͳǦʹͲͳ͸™›Ž‹ œ‘› Š

dla poszczególnych stacji badawczych. W Žƒ–ƒ ŠʹͲͳͳǦ2016 stan środowiska był poniżej dobrego

– subGES w trzech obszarach oceny z wyjątkiem głazowiska Ławicy Słupskiej (Basen

Bornholmski), gdzie został osiągnięty dobry stan środowiska – ȋ–ƒ„‡ŽƒʹǤͳǤͷ͹ȌǤ

ƒ„‡ŽƒʹǤͳǤͷ͹Ǥ Ocena stanu siedliska bentosowego na podstawie wartości wskaźnika ͳ†Žƒ‘”‡•—ʹͲͳͳǦ

ʹͲͳ͸™Ͷ‘„•œƒ”ƒ Š‘ ‡›™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

ƒ•‡‘”Š‘Ž•‹

–Głazowisko

Ławicy Słupskiej

‘™›ǦJarosławiec

Wschód –

Głazowisko Rowy

ƒŽ‡™— ‹

ͲǡͶ͸

ͲǡͺͶ

ͳ

ͳ

ͳ

ͳ

ͳ

Ͳǡͳ͹

Ͳǡʹ͸

ͳ

ͳ

ͳ

Ͳǡ͹Ͷȗ

Ͳǡ͹͹

ͲǡͶͳ

Ͳǡ͸ʹ

Ͳǡͻͻ

Ͳǡͻʹ

ͲǡͶ͵

Ͳǡ͸ͻȗ

ƒ–‘ƒ— ƒ

Zewnętrzna

Ͳǡ͹ͷ

Ͳǡ͹ͺ

Ͳǡ͸ʹ

Ͳǡ͹ͳ

Ͳǡͺ͹

Ͳǡ͸͸

Ͳǡ͹Ͷȗ

Wartości wskaźnika ͳ

‹‡Ž‘Ž‡ ‹‡

ʹͲͳͳǦʹͲͳ͸

Ͳǡͺͺȗ

ȗŚrednia ze wszystkich wartości wskaźnika ͳ ™›Ž‹ œ‘› Š na poszczególnych stacjach, w poszczególnych

Žƒ–ƒ Šǡ™†ƒ›‘„•œƒ”œ‡‘ ‡›Ǥ



‡ ™•œ›•–‹ Š ‘ƒ™‹ƒ› Š ‘„•œƒ”ƒ Š ‘ ‡ƒ •–ƒ— •‹‡†Ž‹• „‡–‘•‘™› Š ‹‡”œ‘ƒ

wskaźnikiem ͳjest wyższa w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸‘†–‡ŒœŽƒ–ʹͲͲͷǦʹͲͳͲȋ–ƒ„‡ŽƒʹǤͳǤͷͺȌǤóżnice

w ocenie stanu środowiska między dwoma okresami oceny są znaczne. Wartość wskaźnika ͳ

dla Głazowiska Ławicy Słupskiej (Basen Bornholmski) i Głazowiska Rowy ( ǣ ‘™›Ǧ

JarosławiecǦWschód) jest wyższa dla okresu 2011Ǧ2016 niż dla okresu 2005ǦʹͲͳͲ ‘ǡ

‘†’‘™‹‡†‹‘ǡ ͶʹΨ ‹ ͶͲΨǤ W Zalewie Puckim wskaźnik ͳ osiągnął wyższą wartość o 25 %,

natomiast w Zatoce Puckiej Zewnętrznej (dno mieszane w rejonie Klifu Orłowskiego) o 6%Ǥ›Ž‘

™Œ‡†›‘„•œƒ”œ‡‘ ‡›–w Basenie Bornholmskim nastąpiła zmiana klasy jakości z subGES na

Ǥ





ʹ͸͹

ƒ„‡ŽƒʹǤͳǤͷͺǤ Porównanie wyników oceny stanu środowiska w latach 2010Ǧ2011 (wstępnej oceny stanu

środowiska wód morskich polskiej strefy Morza Bałtyckiego) i w latach 2011ǦʹͲͳ͸

ȋƒ–—ƒlizacja wstępnej oceny stanu środowiska wód morskich polskiej strefy Morza

Bałtyckiego) na podstawie wskaźnika ͳ w podakwenach Morza Bałtyckiego

™›œƒ œ‘› Š™Ǥ

„•œƒ”‘ ‡›

Basen Bornholmski (Głazowisko Ławicy

Słupskiej)

‘™›ǦJarosławiec Wschód (Głazowisko

‘™›Ȍ

ƒŽ‡™— ‹

Zatoka Pucka Zewnętrzna (dno

‹‡•œƒ‡™”‡Œ‘‹‡Klifu Orłowskiego)



Wstępna ocena

ȋŽƒ–ƒʹͲͳͲ‹

ʹͲͳͳȌ

–—ƒŽ‹œƒ Œƒ

wstępnej oceny

ȋŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ȍ

‹‡”—‡œ‹ƒǣ

↗’‘Ž‡’•œ‡‹‡•–ƒ—

↘’‘‰‘”•œ‡‹‡•–ƒ—

Ͳǡͷ͵

Ͳǡ͹Ͷ

↗

Ͳǡ͸ʹ

Ͳǡͷͷ

Ͳǡ͹Ͳ

Ͳǡͺͺ

↗

Ͳǡ͸ͻ

↗

Ͳǡ͹Ͷ

↗

Porównując stan środowiska POM w Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋͳαͲǡ͹Ͷ–•—„ Ȍœ‡•–ƒ‡™

Žƒ–ƒ ŠʹͲͳͲǦʹͲͳͳȋͳαͲǡͷͺ–subGES) można zauważyć, że uległ on poprawie.



Ocena na podstawie wskaźnika B

Ocenę krajową w oparciu o wskaźnik B, uwzględniającą dane PMŚ w zakresie

ƒ”‘œ‘‘„‡–‘•—œ‡„”ƒ‡‰‘™‘”‡•‹‡‘ ‡›ȋŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ȍǡ™›‘ƒ‘†Žƒ™•œ›•–‹ ŠȋʹʹȌ

obszarów oceny w POM, obejmujących zarówno wody otwarte, jak i przejściowe i przybrzeżne

ȋ–ƒ„‡ŽƒʹǤͳǤͷͻȌǤ

ƒ„‡ŽƒʹǤͳǤͷͻǤ Stacje, z których uzyskano niezbędne dane o makrozoobentosie wykorzystane w

przeprowadzeniu oceny stanu środowiska w POM za pomocą wskaźnika B za okres 2011Ǧ

ʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

ƒ•‡‘”Š‘Ž•‹

Basen Gdański

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ƒŽ‡™Kamieński

Zalew Szczeciński

Zalew Wiślany

ƒŽ‡™— ‹

Zatoka Pucka Zewnętrzna

Zatoka Gdańska Wewnętrzna

Ujście Dziwny

Ujście Wisły Przekop

Ujście Świny

Półwysep Hel

Mierzeja Wiślana

Port Władysławowo

ƒ”„‹‘™‘Ǧœ‹™ƒ

‘™›ǦJarosławiec Zachód

‘™›ǦJarosławiec Wschód

Jastrzębia GóraǦ‘™›

WładysławowoǦJastrzębia

Góra

œ‹™ƒǦŚwina

JarosławiecǦƒ”„‹‘™‘

–ƒ Œƒ

ͷǡ͵ǡͳ͵ǡ͵ǡͳ͸ǡ͸

ͳǡͶǡͳͳͲ

Ł7, Z, P140,ʹ

ǡ

ǡǡ ǡ ǡ ǡʹǡ

ͳǡʹǡ͵ǡͷǡ͸ǡͷǡͺǡʹǡͳͲ

͸ƒǡ͸

ͳǡͳʹ

ǡͳͲͶ



͵

 ǡǡ 

ͳͺ

ͳͻ

ͳ͸

͵ǡͶǡͷ

ͺ

ͻǡͳͳ

ͳʹǡͳ͵ǡͳ͵ƒ

ͳͷ

ʹ

͸ǡ͹

›’‘‹–‘”‹‰—

 

 

 







•–Ǥ͸ƒǦǡ•–Ǥ͸Ǧ  



•–Ǥ Ǧǡ•–ǤͳͲͶǦ  





























Ocena stanu siedliska bentosowego (dno miękkie) wykonana z zastosowaniem wskaźnika

B dla 22 obszarów oceny w POM wykazała, że zaledwie cztery podakweny prezentowały stan



ʹ͸ͺ

†‘„”›–GES (B ≥ 3,18)ȋ–ƒ„‡ŽƒʹǤͳǤ͸Ͳ.). Były to jednolite części wód przybrzeżnych (Półwysep

Hel, Władysławowo – Jastrzębia Góra, Jastrzębia Góra – ‘™›ǡ ‘™› – JarosławiecǦZachód),

zlokalizowane w strefie morza środkowego wybrzeża, z dala od źródeł zanieczyszczeń

ƒ–”‘’‘‰‡‹ œ› ŠǤ

ƒŒ‰‘”•œ› •–ƒ ȋ•—„ Ȍ •–™‹‡”†œ‘‘ ™ ƒ•‡‹‡Gdańskim, ƒ•‡‹‡ ‘”Š‘Ž•‹ ‘”ƒœ

Wschodnim Basenie Gotlandzkim, które w swoich granicach zawierają południowobałtyckie

głębie, od których baseny wzięły swe nazwy. Życie makroskopowe na dnie głębi jest ubogie pod

względem taksonomicznym i ilościowym. Pojawia się ‘‘periodycznie, w następstwie napływu

natlenionych wód z Morza Północnego i trwa do wyczerpania się tlenu w wodach przydennych.

Wpływa to na stan jakości wód, który odzwierciedla niska wartość wskaźnika B.

Stan poniżej dobreg‘ – subGES stwierdzono również w badany ƒŽ‡™‹‡ Szczecińskim,

ƒŽ‡™‹‡ Kamieńskim, a szczególnie w Zalewie Wiślanym. Są to akweny silnie zeutrofizowane,

będące odbiornikami wód rzek wnoszących duży ładunek soli biogenicznych i pomimo swojej

”‡Žƒ–›™‡Œ płytkości, posiadające złe warunki tlenowe w wodach przydennych i osadach.

Pozytywnie na tym tle wyróżniał się obszar oceny: Zalew Pucki (wewnętrzna część Zatoki

Puckiej), w któr› przez cztery lata panowały dobre warunki (stan GES). Jednak słaby stan

•–™ierdzony w 2011 r. zaważył o obniżeniu łącznej oceny w okresie 2011ǦʹͲͳ͸†‘•–ƒ—•—„ Ǥ

ƒ„‡ŽƒʹǤͳǤ͸ͲǤ Ocena stanu siedliska bentosowego dna miękkiego na podstawie wartości wskaźnika B  †Žƒ

‘”‡•—ʹͲͳͳǦʹͲͳ͸™ʹʹ‘„•œƒ”ƒ Š‘ ‡›™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͷ

ʹͲͳ͸

Basen Gdański

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹

ƒ•‡‘”Š‘Ž•‹

Zalew Kamieński

Zalew Szczeciński

Zalew Wiślany

ƒŽ‡™— ‹

ƒ–‘ƒ— ƒ

Zewnętrzna

Zatoka Gdańska

Wewnętrzna

Ujście Dziwny

Ujście Wisły Przekop

Ujście Świny

Mierzeja Wiślana

Półwysep Hel

Port Władysławowo

WładysławowoǦ

Jastrzębia Góra

Jastrzębia GóraǦ‘™›

‘™›ǦJarosławiec

Zachód

‘™›ǦJarosławiec

Wschód

JarosławiecǦƒ”„‹‘™‘

ƒ”„‹‘™‘Ǧœ‹™ƒ

œ‹™ƒǦŚwina

Ͳ

ʹǡ͵͸

ͳǡͶͳ

ʹǡͶ͸

Wartości wskaźnika B

ͳǡͻ

Ͳǡͻ

ͳǡͻ

ʹǡͷʹ

ʹǡͺʹ

ʹǡͻʹ

ͳǡͺͺ

͵ǡͲͳ

ʹǡ͹ʹ

ʹǡͷ͹

ʹǡʹͳ

ʹǡͺͶ

ʹǡ͹ͳ

ͳǡ͹͵

ʹǡͲ͵

Ǧ

ʹǡͳ͸

ʹǡͺ

Ǧ

ʹǡͲʹ

ʹǡ͸

ͳǡͻ͸

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

ʹǡͷͳ

Ǧ

Ǧ

Ǧ

ʹǡͷͺ

ʹǡ͸Ͷ

ʹǡͶʹ

ͳǡͲͺ

͵ǡ͵Ͷ

Ǧ

Ǧ

Ǧ

͵ǡͲͻ

Ǧ

͵ǡͷͺ

Ǧ

͵ǡͲʹ

͵ǡ͸

Ǧ

Ǧ

ͳǡͺͳ

ʹǡͷ͵

ʹǡ͵͸

ʹͲͳͶ

ʹǡ͸

Ǧ

Ǧ

ͳǡͳ͵

͵ǡ͵

Ǧ

ʹǡͷͷ

Ǧ

ʹǡ͸

Ǧ

͵ǡʹ͵

ʹǡͻʹ

ʹǡͺ

ʹǡͻ͹

ͳǡͻͳ

Ǧ

͵ǡͶͶ

ʹǡͶͶ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

ʹǡʹʹ

Ǧ

ʹǡ͸͵

͵ǡͶ͹

ͳǡ͹͵

͵ǡͳ͵

ʹǡͶ͵

ʹǡ͹͵

͵ǡʹ͹

ʹǡͲͺ

͵ǡͶͳ

ʹǡ͵͸

͵ǡͶͺ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

Ǧ

ʹǡͷͳ

͵ǡͲͶ

ʹǡͺͶ

͵ǡͶ͹

Ǧ

Ǧ

Ǧ

ʹǡͷͺ

ʹǡͺʹ

Ͷǡͳͳ

Ͷǡ͵͹

ʹǡͷ

ͳǡ͹ͻ

Ǧ

ʹǡ͹

ʹǡͶͳ

ʹ

Ǧ

͵ǡͳ͹

Ǧ

‹‡Ž‘Ž‡ ‹‡

ʹͲͳͳǦ

ʹͲͳ͸ȗ

ͳǡ͵͵

ʹǡͺ͸

ʹǡ͹

ʹǡͷʹ

ʹǡʹͷ

ͳǡͳͷ

ʹǡͻʹ

ʹǡ͸ͻ

ʹǡ͸

ʹǡ͹ͷ

Ǧ

͵ǡͲ͵

Ǧ

Ǧ

Ǧ

Ǧ

ʹǡͷͻ

ʹǡ͵ʹ

͵ǡͳͳ

ʹǡʹʹ

͵ǡͶͻ

ʹǡͲͶ

͵ǡʹͳ

Ǧ

ʹǡͻͳ

Ǧ

Ǧ

Ǧ

Ǧ

ʹǡ͸ͳ

͵ǡ͵ͺ

͵ǡͶͺ

ʹǡͳ͸

ʹǡͳ͸

ʹǡͷ͸

ȗŚrednia ze wszystkich wartości wskaźnika B wyliczonych na poszczególnych stacjach, w poszczególnych latach, w danym ‘„•œƒ”œ‡

‘ ‡›Ǥ





ʹ͸ͻ

Określenie kierunku zmian jakości środowiska mierzonego wskaźnikiem B, jakie zaszły w

‘”‡•‹‡‘†‘’”ƒ ‘™ƒ‹ƒwstępnej oceny stanu środowiska wód morskich polskiej strefy Morza

Bałtyckiego (GIOŚ 2014) do końca okresu sporządzania ‹‹‡Œ•œ‡Œ aktualizacji wstępnej ‘ ‡›

•–ƒ—środowiska wód morskich jest utrudnione, gdyż granice 17 z 22 podakwenów (obszarów

oceny) wyznaczone we wstępnej ocenie różnią się w stosunku do granic wyznaczonych w

aktualnej ocenie (HELCOM 2013a). Ocena wstępna została wykonana na poziomie 3. podziału

Morza Bałtyckiego na podakweny, a w obecnej aktualizacji oceny wstępnej –ocenie podlegają

‘„•œƒ”› ƒ ’‘œ‹‘‹‡ Ͷ ȋ  ʹͲͳ͵ƒǡ ƒ–—ƒŽ‹œƒ Œƒ œałącznika 4 ǦʹͲͳ͹ȌǤ  –ƒ„‡Ž‹ ʹǤͳǤ͸ͳ

przedstawiono zmianę stanu (polepszenie lub pogorszenie) w podakwenach, których granice w

niniejszej ocenie są takie same jak w ocenie poprzedniej.

ƒ„‡ŽƒʹǤͳǤ͸ͳǤ Porównanie wyników oceny stanu środowiska w latach 2005Ǧ2010 (wstępnej oceny stanu

środowiska wód morskich polskiej strefy Morza Bałtyckiego) i w latach 2011ǦʹͲͳ͸

(aktualizacja wstępnej oceny stanu środowiska wód morskich polskiej strefy Morza

Bałtyckiego) na podstawie wskaźnika B w podakwenach Morza Bałtyckiego wyznaczonych

™Ǥ

„•œƒ”‘ ‡›

ƒ•‡‘”Š‘Ž•‹

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Basen Gdański

Zalew Wiślany

Zalewu Szczeciński

Wstępna ocena

ȋŽƒ–ƒʹͲͲͺǦʹͲͳͳȌ

ʹǡͺʹ

ʹǡ͸Ͳ

ͳǡ͸͵

ͳǡ͹ͷ

ʹǡͳ͵

–—ƒŽ‹œƒ Œƒ

wstępnej oceny

ȋŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ȍ

ʹǡ͹Ͳ

ʹǡͺ͸

ͳǡ͵͵

ͳǡͳͷ

ʹǡʹͷ

‹‡”—‡œ‹ƒǣ

↗’‘Ž‡’•œ‡‹‡•–ƒ—

↘’‘‰‘”•œ‡‹‡•–ƒ—

↘

↗

↘

↘

↗



Różnice w ocenie stanu środowiska mierzonego wskaźnikiem B w obydwu okresach oceny

były niewielkie. W żadnym z podakwenów nie nastąpiła zmiana klasy jakości (GES/subGES).

Największa zmiana zaszła w Zalewie Wiślanym, gdzie wskaźnik B obniżył się o 0,6.



Ocena na podstawie wskaźnika ESMIz

‘‘ ‡›•–ƒ—•‹‡†Ž‹•ƒ„‡–‘•‘™‡‰‘ȋ’‹ƒ•‹‹ˆ”ƒŽ‹–‘”ƒŽ—Ȍ™ƒŽ‡™‹‡Wiślanym, ƒŽ‡™‹‡

œ œ‡ ińskim i ƒŽ‡™‹‡ Kamieńskim na podstawie makrofitów za pomocą wskaźnika ESMIz

™›‘”œ›•–ƒ‘†ƒ‡PMŚǡœ‡„”ƒ‡™ʹͲͳ͸”Ǥƒͳͷ•–ƒ Œƒ Š„ƒ†ƒ™ œ› Šȋ–ƒ„‡ŽƒʹǤͳǤ͸ʹȌǤ

ƒ„‡ŽƒʹǤͳǤ͸ʹǤ Stacje, z których uzyskano niezbędne dane o makrofitach w zalewach wykorzystane w

przeprowadzeniu oceny stanu środowiska w POM za pomocą wskaźnika ESMIz za okres

ʹͲͳͳǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

Zalew Wiślany

Zalew Szczeciński

Zalew Kamieński

–ƒ Œƒ

Zalew Wiślany –Piaski, Zalew Wiślany –”œ‡„”‘ǡ

Zalew Wiślany –Frombork, Zalew Wiślany –Kąty

Rybackie, Zalew Wiślany –Nowa Pasłęka, Zalew

Wiślany Ǧ‘Ž‹ ‘

Zalew Szczeciński 1, Zalew Szczeciński 3, ƒŽ‡™

Szczeciński 4, Zalew Szczeciński 5, Zalew Szczeciński 6,

Zalew Szczeciński 7

Zalew Kamieński 1, Zalew Kamieński 2, Zalew

Kamieński 3

›’‘‹–‘”‹‰—









Ocena zalewów wykonana z zastosowaniem wskaźnika ESMIz dla 3 obszarów oceny w POM

wykazałastan poniżej dobrego –•—„ ȋ œδͲǡͳʹ͵Ȍǡȋ–ƒ„‡ŽƒʹǤͳǤ͸͵). Ekosystemy zalewów

charakteryzują się dużą powierzchnią, bardzo małą głębokością, położone są w odcinƒ Š

przyujściowych rzek i poddawane są wpływom dużych, silnie antropogenicznie zmienionych

zlewni. Wszystkie te cechy sprawiają, że ‡‘•›•–‡› –‡ są bardzo podatne na degradację

(Cieśliński 2010, 2011).







ʹ͹Ͳ



ƒ„‡ŽƒʹǤͳǤ͸͵Ǥ Ocena stanu siedliska bentosowego dna miękkiego w zalewach na podstawie wartości

wskaźnika ESMIz†Žƒ‘”‡•—ʹͲͳͳǦʹͲͳ͸ȋ†ƒ‡Œ‡†›‹‡œʹͲͳ͸”ǤȌ™͵‘„•œƒ”ƒ Š‘ ‡›™

ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

Zalew Wiślany

‹‡Ž‘Ž‡ ‹‡ʹͲͳͳǦʹͲͳ͸

ͲǡͲʹͻ

Zalew Kamieński

ͲǡͲʹ͹

Zalew Szczeciński

ͲǡͲ͵͸



Aktualna ocena stanu makrofitów w zalewach z wykorzystaniem wskaźnika ESMIz została

wykonana w POM po raz pierwszy, więc nie można się odnieść do oceny wstępnej (GIOŚ ʹͲͳͶȌǤ

Ocena zintegrowana siedlisk bentosowych

Zgodnie z metodą oceny stan siedlisk bentosowych w POM w ramach oceny wieloletniej

ʹͲͳͳǦʹͲͳ͸ ’”œ‡†•–ƒ™‹‘‘ ™ ’‘†œ‹ƒŽ‡ ƒ Ͷ wskazane poniżej rodzaje siedlisk, różniąc‡ się

strukturą zespołów flory i fauny związanych z określonym typem dnaǤ

ͳǤ ena stanu siedliska bentosowego na dnie miękkim w 22 obszarach oceny w POM (w

odniesieniu do ogólnych typów siedlisk na podstawie klasyfikacji EUNIS wedłu‰ †‡ ›œŒ‹

ʹͲͳ͹ȀͺͶͺ––ƒ„‡ŽƒͳǤͶǤͶȌǡ™–›™ʹͳ‘„•œƒ”ƒ Šƒ’‘†•–ƒ™‹‡Žƒ•›ˆ‹ƒ Œ‹™›‹—‘ ‡›œ‰‘†‡Œ

z wartościami progowymi dla wskaźnika B (–ƒ„‡ŽƒʹǤͳǤͷ͵Ȍ‘”ƒœ†Žƒ‘„•œƒ”— ƒŽ‡™—— ‹‡‰‘ǡ

gdzie zastosowano zintegrowaną ocenę między wskaźnikiem ͳ‹ȋ–ƒ„‡ŽƒʹǤͳǤ͸Ͷ), a następnie

użyto klasyˆ‹ƒ Œ‹™›‹—‘ ‡›–BQR w ramach „zintegrowanej oceny bioróżnorodności” (–ƒ„‡Žƒ

ʹǤͳǤͷͳ). Ocenę stanu tego siedliska przedstawiono na mapie (”›•ǤʹǤͳǤ͹ͻȌǤ

ƒ„‡ŽƒʹǤͳǤ͸ͶǤ Zintegrowana ocena stanu siedlisk bentosowych na dnie miękkim z uwzględnieniem

wskaźnika ͳ‹™‘”‡•‹‡ʹͲͳͳǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

ƒŽ‡™— ‹

Wskaźnik

ͳ



Wartość znormalizowana

ƒ‰ƒ

wskaźnika dla lat 2011ǦʹͲͳ͸ wskaźnika

Ͳǡͷʹ

Ͳǡͷ

ͲǡͶͻ

Ͳǡͷ



ͲǡͷͲ

 ‡ƒ

•—„ 



Ocena siedliska bentosowego (dno miękkie) wykazała, że w latach 2011ǦʹͲͳ͸większość

(18) obszarów oceny w POM, stanowiących 99% powierzchni, prezentował‘stan poniżej dobrego

– subGES, a tylko 4 podakweny (1% powierzchni POM), jednolite części wód przybrzeżnych

Półwysep Hel, Władysławowo – Jastrzębia Góra, Jastrzębia Góra – ‘™›ǡ ‘™› – JarosławiecǦ

Zachód charakteryzowały się dobrym stanem – Ǥ



ʹ͹ͳ

›•ǤʹǤͳǤ͹ͻǤ ‹–‡‰”‘™ƒƒ‘ ‡ƒ•–ƒ—•‹‡†Ž‹•ƒ„‡–‘•‘™‡‰‘–dno miękkie dla wielolecia 2011ǦʹͲͳ͸

™(źródło danych PMŚȌǤ





•—„ 



›•ǤʹǤͳǤͺͲǤ Siedlisko bentosowe dna miękkiego wykazujące stan dobry –GES oraz poniżej dobrego –

•—„ ™‘†‹‡•‹‡‹—†‘’‘™‹‡”œ Š‹™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸(źródło danych PMŚ)Ǥ

ʹǤ ‡ƒ•–ƒ—•‹‡†Ž‹•ƒ„‡–‘•‘™‡‰‘ƒ†‹‡–™ƒ”†›™ʹ‘„•œƒ”ƒ Š‘ ‡›™ǣƒ

głazowisku Ławicy Słupskiej (w obszarze Basenu Bornholmskiego) oraz na głazowisku Rowy (w

obszarze jednolitych części wód: Rowy ǦJarosławiecǦWschód) na podstawie klasyfikacji w›‹—

oceny zgodnej z wartościami progowymi dla wskaźnika ͳȋ–ƒ„‡ŽƒʹǤͳǤͷʹ), którą przedstawiono

ƒ”›•ǤʹǤͳǤͺͳǤ

 ‡ƒ •‹‡†Ž‹•ƒ „‡–‘•‘™‡‰‘ ƒ †‹‡ –™ƒ”†› wykazała, że w latach 2011ǦʹͲͳ͸

głazowisko Ławicy Słupskiej o powierzchni 111,3 kmʹprezentowało dobry stan – ǡƒ–‘‹ƒ•–

głazowisko Rowy (powierzchnia 2,57 kmʹ) cechował stan poniżej dobrego –•—„ ȋ”›•ǤʹǤͳǤͺͳȌǤ





ʹ͹ʹ

›•ǤʹǤͳǤͺͳǤ  ‡ƒ•–ƒ—•‹‡†Ž‹•ƒ„‡–‘•‘™‡‰‘–†‘–™ƒ”†‡(głazowiska) oraz dna mieszanego (rejon

Klifu Orłowskiego) dla wielolecia 2011ǦʹͲͳ͸™Ǥ

͵Ǥ  ‡ƒ •–ƒ— •‹‡†Ž‹•ƒ „‡–‘•‘™‡‰‘ ƒ †‹‡ ‹‡•œƒ› ™ ‘„•œƒ”œ‡ ƒ–‘‹ — ‹‡Œ

Zewnętrzenj w rejonie Kilfu Orłowskiego na podstawie klasyfikacji wyniku oceny zgodn‡Œ œ

wartościami progowymi dla wskaźnika ͳȋ–ƒ„‡ŽƒʹǤͳǤͷʹȌǤ

W rejonie Klifu Orłowskiego o powierzchni 1,99 kmʹ ocena tego typu siedliska wykazała

stan poniżej dobre‰‘–•—„ ȋ”›•ǤʹǤͳǤͺͳȌǤ

ͶǤ cena stanu siedliska makrofitów w zalewach w 3 obszarach oceny w POM: Zalewie

Wiślanym, Zalewie Szczecińskim i Zalewie Kamieńskim na podstawie klasyfikacji wyniku oceny

zgodnej z wartościami progowymi dla wskaźnika ESMIz (–ƒ„‡ŽƒʹǤͳǤͷͶ.), którą przedstawiono na

”›•ǤʹǤͳǤͺʹǤ

Ocena makrofitów w zalewach o łącznej powierzchni 752,61 kmʹ wykazała stan poniżej

†‘„”‡‰‘–•—„ w każdym z tych jednolitych części wód (”›•ǤʹǤͳǤͺʹȌǤ





ʹ͹͵

›•ǤʹǤͳǤͺʹǤ Ocena stanu siedliska makrofitów w zalewach w 2016 r. w POM(źródło danych PMŚȌǤ



Wiarygodność oceny siedlisk bentosowych za lata 2011-2016

Wiarygodność oceny dla siedlisk bentosowych na dnie miękkim przy zastosowaniu

wskaźnika B oraz w integracji z wskaźnikiem ͳ ȋƒŽ‡™ — ‹Ȍ ™•ƒœ—Œ‡ ƒ •–ƒ–—• ™›•‘‹

ȋ”›•ǤʹǤͳǤͺ͵ȌǤ





ʹ͹Ͷ

›•ǤʹǤͳǤͺ͵Ǥ Status wiarygodności zintegrowanej oceny stanu siedliska bentosowego –dno miękkie dla

™‹‡Ž‘Ž‡ ‹ƒʹͲͳͳǦʹͲͳ͸™Ǥ



Podobnie, w przypadku wiarygodności oceny dla siedliska bentosowego na dnie twardym

(głazowisko Ławicy Słupskiej oraz głazowisko Rowy) oraz na dnie mieszanym w rejonie Klifu

Orłowskiego status określono również Œƒ‘™›•‘‹ȋ”›•ǤʹǤͳǤͺͶȌǤ





ʹ͹ͷ

›•ǤʹǤͳǤͺͶǤ

Poz. 230

Status wiarygodności oceny stanu siedliska bentosowego –dno twarde (głazowiska) oraz

†ƒ‹‡•œƒ‡‰‘™”‡Œ‘‹‡Ž‹ˆ—Orłowskiego dla wielolecia 2011ǦʹͲͳ͸™Ǥ



Siedliska pelagiczne

Wskaźniki

Stan siedlisk pelagicznych w wodach otwartych POM został oceniony na po†•–ƒ™‹‡

podstawowego wskaźnika „Struktura wielkościowa i całkowite zasoby zooplanktonu”

ȋœƒ•–‘•‘™ƒ› Œ‡†›‹‡ ™ ƒ•‡‹‡ dańskim) i wstępnego wskaźnika „okrzemkowobruzdnicowego”ǡ –›’‘™› Š †‘ ‘ ‡› •–”—–—”› „‹‘–› œ‡Œ •‹‡†Ž‹•ƒǤ ‘†ƒ–‘™‘ †‘ ‘ ‡› –› Š

siedlisk wykorzystano dwa wskaźniki eutrofizacji: wstępny wskaźnik „Indeks zakwitów sinic” oraz

podstawowy wskaźnik „Chlorofil-a”. Ostatnie dwa wskaźniki włączono do oceny głównie w celu

przedstawienia zmian na najniższym, podstawowym poziomie produkcji biologicznej –œ‹ƒ™

produkcji pierwotnej. Wskaźnik „Chlorofil-a”charakteryzuje ogólny poziom produkcji pierwot‡Œ

poprzez aproksymowanie zmienności biomasy fitoplanktonu. Jest ‘ jednocześnie jednym

œpodstawowych wskaźników oceny eutrofizacji.

Dla 19 jednolitych części wód przejściowych i przybrzeżnych do określenia stanu siedlisk

’‡Žƒ‰‹ œ› Šœƒ•–‘•‘™ƒ‘”ƒŒ‘™›wskaźnik „Chlorofil-a”, który spełnia wymagania ȋ‘Ǥ

ʹͲͲͲȌǤ

Powyższy dobór wskaźników do oceny stanu siedlisk pelagicznych w POM jest zbieżny z

œƒ•–‘•‘wanym w II ocenie holistycznej Morza Bałtyckiego (HELCOM 2017a).



Wskaźnik „Struktura wielkościowa i całkowite zasoby zooplanktonu”

Charakterystyka i wzór

Wskaźnik „Struktura wielkościowa i całkowite zasoby zooplanktonu” ȋƒ‰Ǥ Zooplankton

mean size and total stock–MSTS) jest wskaźnikiem podstawowym HELCOM. Pozwala ocenić stan

niższych poziomów troficznych sieci pokarmowej pelagialu i w sposób pośredni jej strukturę.



ʹ͹͸

Zooplankton stanowi ogniwo łączące producentów pierwotnych i konsumentów wyższego rzędu,

ƒ Œ‡‰‘ •–ruktura determinuje przepływ energii do wyższych poziomów troficznych. Zmiany w

składzie jakościowym i ilościowym zooplanktonu rzutują na zasoby fitoplanktonu oraz na stan i

wielkość zasobów rybnych (Jeppsen i in. 2011).

Do obliczenia wskaźnika MSTS potrzebne są dane charakteryzujące całkowitą liczebność

zooplanktonu (liczba osobników w 1 m͵ ™‘†› – ‹†Ǥ Ǧ͵) i całkowitą biomasę zooplanktonu

ȋ‹Ž‹‰”ƒ› Ž—„ ‹”‘‰”ƒ› ƒ•› ‘”‡Œ œ‘‘’Žƒ–‘— ™ ͳ ͵ ™‘†› Ǧ ‰ Ǧ͵ lub µg mǦ͵Ȍ œ

miesięcy czerwiec –wrzesień z okresu oceny. Są to miesiące, w których wykonuje się najwięcej

badań monitoringowych zooplanktonu oraz charakteryzują się największą produkcją planktonu i

największą presją drapieżników na zasoby zooplanktonu. Dane pochodzące z badań wykonanych

ƒ•–ƒ Œƒ Šzlokalizowanych w obrębie jednego obszaru oceny, mogą służyć jedynie do oceny tego

podakwenu. Do obliczeń wskaźnika mogą zostać użyte wyłącznie dane według listy taksonów

zooplanktonu opracowanej przez grupę HELCOM ZENǦ ǡ ‹‘ǡ że w bazie ICES niektóre

nazwy taksonów różnią się od tej z listy ZENǦZIIM, co należy zweryfikować przed przystąpieniem

do obliczeń. Dane użyte do oceny powinny cechować się rozkładem normalnym (np. test

KołmogorowaǦ‹”‘™ƒȀŠƒ’‹”‘Ǧ‹ŽƒȌǡ ƒ jeżeli wyniki odbiegają od krzywej w sposób

znaczący, należy przeprowadzić ich normalizację za pomocą przekształcenia BoxaǦ‘šƒǤ–›

celu

można

wykorzystać

kalkulator

dostępny

online

(http://www.wessa.net/rwasp_boxcoxnorm.wasp; Wessa 2017). W rezultacie należy uzyskać

dwie składowe wskaźnikaǣ



ͳȌ Strukturę wielkościową zooplanktonu (ang. mean size), czyli iloraz całkowitej

liczebności (suma poszczególnych wartości liczebności taksonów zooplanktonów)

oraz całkowitej biomasy [µg mǦ͵Ȑ–MSǢ

ʹȌ Całkowitą biomasę zooplanktonu (ang. total stockȌǡ œ›Ž‹ •umę poszczególnych

wartości biomasy taksonów zooplanktonu [mg mǦ͵Ȑ–TSǤ

Wskaźnik MSTS spełnia kryterium D1C6 (–ƒ„‡ŽƒʹǤͳǤʹȌ™”ƒƒ Š ‡ Š›ͳ–różnorodność

„‹‘Ž‘‰‹ œƒ‘”ƒœ”›–‡”‹—Ͷ͵™”ƒƒ Š ‡ Š›Ͷ–łańcuchy pokarmowe zgodnie z†‡ ›œŒą

ʹͲͳ͹ȀͺͶͺǡ a także wymagania Bałtyckiego Planu Działań w zakresie celów ekologicznych –

dobrze rozwijające się i pozostające w równowadze populacje roślin i zwierząt, co ma

bezpośrednie powiązanie ze strukturą sieci pokarmowej. 

Wartość progowa dobrego stanu środowiska

Metodykę wyznaczania granicy dobrego stanu środowiska (GES) przyjęto na podstawie

”ƒ’‘”–—  †‘–yczącego wskaźnika MSTS (Gorokhova i in. 2015). Granice dla obu

składowych wskaźnika (TS, MS) wyznacza się w oparciu o dane z okresu referencyjnego (na

’‘†•tawie zawartości chlorofiluǦƒ – ‡ˆ‘ŠŽ Ž—„ ‘†› Œ‹ ”›„ ’‡Žƒ‰‹ œ› Š ™ ”‡Œ‘ƒ Š

ƒƒŽ‘‰‹ œ› Š†‘Ž‘ƒŽ‹œƒ Œ‹•–ƒ Œ‹œ‘‘’Žƒ–‘‘™› Š–‡ˆ‘ˆ‹•Š), czyli takiego przedziału czasu,

kiedy nie był jeszcze obserwowany wpływ eutrofizacji na strukturę sieci p‘ƒ”‘™‡Œ ‹

występowały korzystne warunki pokarmowe dla ryb. Brak obserwowanego wpływu eutrofizacji

definiowany jest jako akceptowalne stężenie chlorofiluǦƒ ƒ ‹•‹ ’‘œ‹‘‹‡ǡ ƒ–‘‹ƒ•–

korzystne warunki pokarmowe dla ryb oznaczają, że kondycja ryb śledzi‘™ƒ–› Šȋƒ’‘†•–ƒ™‹‡

wskaźników opisujących kondycję ryb) i zasoby ich populacji są stosunkowo wysokie. Za wartości

graniczne obu składowych wskaźnika (TS, MS), uznaje się wartości tożsame z dolną granicą 99%

przedziału ufności dla danych po normalizacji metodą BoxaǦCoxa. Wartości progowe MSTS w

Basenie Gdańskim wyznaczono w oparciu o dane z okresu referencyjnego zwiąœƒ‡‰‘œkondycją

”›„’‡Žƒ‰‹ œ› Šȋ‡ˆ‘ˆ‹•ŠȌœŽƒ–ͳͻͺ͸ǦʹͲͳ͸ǤKoncepcja oceny stanu środowiska na podstawie

wskaźnika MSTS została przedstƒ™‹‘ƒƒ”›•ǤʹǤͳǤͺͷǤ





ʹ͹͹

‰”ƒ‹ ƒ †Žƒ

Struktura wielkościowa –ȋƒ‰Ǥmean sizeȌ

‰Š

ʹǦ•—„ 

͵Ǧ 

‰”ƒ‹ ƒ †Žƒ

ͳǦ•—„ 

ʹǦ•—„ 

Całkowita biomasa zooplanktonu –ȋƒ‰Ǥtotal stockȌ



›•ǤʹǤͳǤͺͷǤ Wartości progowe GES dla obu składowych wskaźnika MSTS: MS (struktura wielkościowa

zooplanktonu) i TS (całkowita biomasa zooplanktonu)Ǥ



przypadku, gdy wskaźnik przyjmie wartość oznaczoną na rysunku jako 1 (wartości obu

składowych wskaźnika są niższe od granic dla tych składowych: MS i TS) lub kiedy wskaźnik

przyjmuje wartość oznaczoną na rysunku jako 2 (przynajmniej jedna wartość składowej

wskaźnika jest niższa od wyznaczonej granicy GES dla tej składowej) –to stan środowiska jest

oceniony jako poniżej dobrego –subGES. Jedynie w przypadku, gdy wskaźnik przyjmie wartość

oznaczoną na rysunku jako 3 (wartości obu składowych wskaźnika są wyżsœ‡‘†‰”ƒ‹ †Žƒ–› Š

składowych: MS i TS) –to stan środowiska może być oceniony jako dobry – Ǥ

Wartość wskaźnika MSTS nie jest znormalizowana. Dla obszarów oceny występujących w

POM wartość progowa została wyznaczona i przyjęta do zastosowania w oceni‡ †Žƒ ƒ•‡—

Gdańskiego (–ƒ„‡ŽƒʹǤͳǤ͸ͷȌǤƒ•‡‹‡‘”Š‘Ž•‹‘”ƒœ™‡• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹

wartości progowe nie zostały wyznaczone (HELCOM 2017f).



ƒ„‡ŽƒʹǤͳǤ͸ͷǤ Wartość progowa dobrego stanu środowiska – GES wskaźnika „Struktura wielkościowa i

całkowite zasoby zooplanktonu”†Žƒ‘„•œƒ”—‘ ‡›™Ǥ

„•œƒ”‘ ‡›

Basen Gdański

Wartość progowa dla struktury

wielkościowej zoo’Žƒ–‘—–

MS [µg mǦ͵Ȑ

ͳͲǡʹ

Źródło: na podstawie opracowania Margoński i Całkiewicz (2017)Ǥ

Wartość progowa dla struktury

wielkościowej zooplanktonu –

ȏ‰Ǧ͵Ȑ

ͳͲ͵

Czynniki presji powiązane ze wskaźnikiem

Za dwa najważniejsze czynniki presji antropogenicznej powiązane ze stanem zooplanktonu

uznaje się rybołówstwo i eutrofizację. Rybołówstwo oparte, tak jak w rejonie Bałtyku, na

intensywnych połowach dorsza, prowadzi do spadku wielkości jego populacji, a tym•ƒ›†‘

wzrostu rozwoju populacji ryb planktonożernych, które coraz bardziej ograniczają zasoby



ʹ͹ͺ

zooplanktonu o największych rozmiarach. Inne presje powiązane z działalnością człowieka, które

mogą regulować jakościowe i ilościowe zasoby zooplanktonu to (zƒ ‘”‘Š‘˜ƒ‹‹ǤʹͲͳͷȌǣ

ͳȌ œ‹ƒƒ –‡’‡”ƒ–—”› ™‘†› – w wyniku zmian klimatu (wyższa temperatura wody

•’”œ›Œƒ”‘œ™‘Œ‘™‹œ‘‘’Žƒ–‘—‹”‘ˆƒ‰‘™‡‰‘ȌǢ

ʹȌ zmiana stężenia tlenu w wodzieǢ

͵Ȍ zanieczyszczenie wódǢ

ͶȌ pojawianie się gatunków inwazyjnych.

Wskaźnik „okrzemkowo-bruzdnicowy”

Charakterystyka i wzór

Wskaźnik „okrzemkowo-bruzdnicowy” ȋƒ‰Ǥ Diatom/Dinoflagellate ratio – ‹ƒȀ‹‘Ȍ Œ‡•–

wskaźnikiem obrazującym zmiany stanu środowiska jako wyniku oddziaływania czynników

ƒ–”‘’‘‰‡‹ œ› Š ‹ ‰Ž‘„ƒŽ› Šǡ ’Ǥ œ‹ƒ› Ž‹ƒ–— ȋŽŠ‡‹– ‹ ‹Ǥ ʹͲͲͷǡ  ʹͲͳ͹‰Ȍǡ

prowadzących jednocześnie do przeobrażeń w łańcuchu pokarmowym (Kownacka 2016,

Wasmund i in. 2017). Wskaźnik ten można zastosować wszędzie tam, gdzie występują wiosenne

œƒ™‹–› ‘”œ‡‡ Ž—„ „”—œ†‹  ȋƒ•—† ‹ ‹Ǥ ͳͻͻͺǡ ʹͲͳ͵ȌǤ ‡ˆ‹‹ Œƒ œƒ™‹–— ‘”ƒœ œƒ• Œ‡‰‘

trwania w różnych podakwenach Bałtyku zostały określone przez HELCOM (1996) oraz

Wasmund’a i in. (1998). Zakwit jest to masowy wzrost ilości fitoplanktonu w wodzie. Dla

poszczególnych grup fitoplank–‘—œ‘•tały określone wartości progowe, których przekroczenie

wskazuje na zakwit. Dla okrzemek i bruzdnic ta wartość to 1000 µg lǦͳ ȋ‘™ƒ ƒ ʹͲͳ͹ȌǤ ƒ

intensywność zakwitu wpływa wiele czynników, takich jak: zawartość składników odżywczych,

dostępność światła, stopień wymieszania wód, temperatura i zasolenie. 

Wskaźnik „okrzemkowo-bruzdnicowy” opiera się na określeniu stosunku biomasy

ƒ—–‘–”‘ˆ‹ œ› Š ‘”œ‡‡ †‘ ƒ—–‘Ǧ ‹ ‹•‘–”‘ˆ‹ œ› Š „”—œ†‹  ƒ ’‘†•–ƒ™‹‡ ™œ‘”—

‘’”ƒ ‘™ƒ‡‰‘ ’”œ‡œ ƒ•—† ‹ ‹Ǥ ȋʹͲͳ͵ȌǤ  ǡ dla spełnienia wymagań tego wskaźnika,

fitoplankton powinien być monitorowany od lutego do maja. Podany poniżej wzór wskaźnika jest

możliwy do zastosowania przy założeniu, że wartość graniczna dla biomasy okrzemek i bruzdnic

równa 1000 µgŽ–ͳœ‘•–ƒ‹‡’”zekroczona przynajmniej w jednej próbie w sezonie przez okrzemki

lub bruzdnice. Oznacza to, że pobór prób odbył się podczas trwania zakwitu w rejonie Bałtyku

Południowego (Wasmund 2017). 







Do wyliczenia wskaźnika „okrzemkowo-bruzdnicowego” ”‡‘‡†‘™ƒƒ jest średnia

mokra biomasa sezonowa okrzemek i bruzdnic. Jeśli okrzemki w danym roku były pobierane

więcej niż raz w okresie od lutego do maja, w pierwszej kolejności należy wyliczyć średnią

miesięczną biomasę okrzemek i bruzdnic (autoǦ‹‹•‘–”‘ˆ‹ œ› Š) na każdej stacji badawczej,

natomiast we wzorze używać średnich wartości sezonowych mokrej masy okrzemek i bruzdnic,

które oblicza się ze średnich miesięcznych. Biomasa okrzemek i bruzdnic musi być wyliczona jako

mokra masa lub jako biomasa wyrażona w zawartości węgla w komórce i podana w tych samych

jednostkach zarówno w liczniku, jak i w mianowniku wzoru. Im większa częstotliwość poboru

prób, tym większe prawdopodobieństwo napotkania zakwitu i większa wiarygodność wskaźnika

ȋ‘™ƒ ƒ ʹͲͳ͸ǡ ƒ•—† ‹ ‹Ǥ ʹͲͳ͹ȌǤ W celu obliczenia wskaźnika dla wielolecia, należy

uśrednić wartości wskaźnika z wybranych lat. 

Wskaźnik „okrzemkowo-bruzdnicowy” spełnia kryterium D4C2 (–ƒ„‡Žƒ ʹǤͳǤʹȌ ™ ”ƒƒ Š

‡ Š›Ͷ–łańcuchy pokarmowe oraz kryterium D5C1 w ramach cechy D5 –‡—–”‘ˆ‹œƒ Œƒœ‰‘†‹‡

œ †‡ ›œŒą ʹͲͳ͹ȀͺͶͺǡ a także wymagania Bałtyckiego Planu Działań w zakresie łańcucha

pokarmowego, eutrofizacji, naturalnego rozmieszczenia i występowania roślin i zwierząt oraz

równowagi w zespołach roślinnych i zwierzęcych.





ʹ͹ͻ

Wartość progowa dobrego stanu środowiska

Wartość wskaźnika „okrzemkowo-bruzdnicowy” jest znormalizowana, tzn. zawiera się w

przedziale od 0 do 1, gdzie 1 wskazuje na dominację okrzemek przy braku bruzdnic. Wartość

progowa została wyznaczona i przetestowana w II ocenie holistycznej dla Wschodniego Basenu

‘–Žƒ†œ‹‡‰‘ȋ ʹͲͳ͹‰ȌǤWartości progowe dla wskaźnika „okrzemkowo-bruzdnicowego”

’”œ‡†•–ƒ™‹‘‘™–ƒ„‡Ž‹ʹǤͳǤ͸͸ǤWartości równe lub wyższe od wartości progowej oznaczają dobry

stan środowiska – Ǥ



ƒ„‡ŽƒʹǤͳǤ͸͸Ǥ Wartości progowe dobrego •–anu środowiska – GES wskaźnika „okrzemkowobruzdnicowego”regularnego dla obszarów oceny w POMǤ

„•œƒ”‘ ‡›

Basen Gdański

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ƒ•‡‘”Š‘Ž•‹

Źródło: na podstawie opracowania ‘™ƒ ƒȋʹͲͳ͹ȌǤ

Wartość progowa GES [‰ŽǦͳȐ

Ͳǡ͸

Ͳǡͷ

Ͳǡ͸

Czynniki presji powiązane ze wskaźnikiem

Podczas wiosennego zakwitu spośród wszystkich grup fitoplanktonu w wodzie morskiej

przeważają okrzemki i bruzdnice (HELCOM 2002, Danielsson i Papush 2008). Jego intensywność

jest zdeterminowana głównie ilością substancji biogennych zakumulowanych podczas zimy.

Następuje wtedy transfer energii i materii organicznej w ekosystemie (Krzymiński 2017).

Stosunek ilości okrzemek do bruzdnic odzwierciedla stan ekosystemu i jakości zespołu

ˆ‹–‘’Žƒ–‘‘™‡‰‘Œƒko pożywienia dla pozostałych elementów w łańcuchu pokarmowym. 

Okrzemki podczas zakwitu szybko osiągają wysoką biomasę, ponieważ intensywnie

absorbują składniki odżywcze potrzebne do wzrostu. Z uwagi na ich właściwości sedymentacyjne,

ich ilość w toni wodnej szybko maleje, a na dnie są pokarmem również dla organizmów

bentosowych (Heiskanen 1998). Bruzdnice rosną wolniej niż okrzemki i z uwagi na ich zdolność

do migracji pionowych w toni wodnej, mogą wykorzystywać składniki pokarmowe z niższych

warstw wód. Pozostają w toni wodnej przez dłuższy czas, dzięki czemu są preferowanym

’‘ƒ”‡†Žƒœ‘‘’Žƒ–‘—ȋ ‘”‹‹ǤʹͲͳͷǡƒ•–—•œƒ‹‹ǤʹͲͳ͸ǡ‘™ƒ ƒʹͲͳ͹ǡƒ•—†‹

‹ǤʹͲͳ͹ȌǤ

„•‡”™ƒ Œ‡œ‹ƒ›•–‘•——„‹‘ƒ•›‘”œ‡‡†‘„”—œ†‹ ™ œƒ•‹‡œƒ™‹–—™‹‘•‡‡‰‘

i ich znaczenia dla całego ekosystemu w obszarze Morza Bałtyckiego są prowadzone już od

dłuższego czasu (Klais i in. 2011, 2013, Wasmund i in. 1998, 2008). Zmiany grup dominantów

fitoplanktonu mogą być wywołane działalnością człowieka, jak również globalną zmianą klimatu,

tzw. „regime shift” (Kownacka 2016).

Głównym czynnikiem presji antropogenicznej powiązanym ze stanem fitoplanktonu

okrzemek i bruzdnic, jest eutrofizacja (Wasmund i in. 1998, Kownacka 2016, Krzymiński 2017).

Wzbogacanie Morza Bałtyckiego w azotany i fosforany powoduje ogólny wzrost biomasy

fitoplanktonu, w tym niektórych gatunków okrzemek lub bruzdnic, a co za tym idzie, wzrost

mętności wody, zmniejszenie ilości tlenu w wodzie przydennej, zmiany w składzie

taksonomicznym glonów prowadzące do zmian w strukturze łańcucha pokarmowego (Wasmund

i in. 1998). Spadek zawartości krzemu występuje od zimy do lata, dlatego też wskaźnik

„okrzemkowo-bruzdnicowy” może wskazywać na limitację wzrostu okrzemek w wodzie

ȋƒ•—†‹‹ǤͳͻͻͺǡʹͲͳ͵ȌǤ

ƒ œ‹any ilościowe i jakościowe w strukturze fitoplanktonu kluczowy wpływ ma także

zmiana klimatu, tzw. „regime shift”. Wiosną obserwuje się drastyczny spadek biomasy okrzemek

w Basenie Bornholmskim i Wschodnim Basenie Gotlandzkim przy równoczesnym wzroście

„‹‘masy wiciowców i bruzdnic (dane PMŚ 2011ǦʹͲͳ͸ǡ ƒ•—† ‹ ŠŽ‹‰ ʹͲͲ͵ǡ ƒ•–—•œƒ ‹ ‹Ǥ

2016). Przyczyną spadku biomasy okrzemek może być przełowienie (Pastuszak i in. 2016).

Niezrównoważone połowy dużych drapieżników (dorsza) w Bałtyku w latach 80Ǧ–› Š™‹‡—

w połączeniu z obniżoną rekrutacją tego gatunku doprowadziły do zmniejszenia presji na ryby

planktonożerne i w efekcie bardzo znacznego wzrostu biomasy szprota. Zwiększona biomasa ryb



ʹͺͲ

planktonożernych powoduje zwiększoną konsumpcję zooplanktonu, a tym samym zmniejsza się

presja na fitoplankton. Niewykorzystany fitoplankton przyczynia się do zwiększonej

sedymentacji na dnie Bałtyku, zatem jest elementem przyczyniającym się do pogorszenia

warunków tlenowych w wodach przydennych – •›–—ƒ Œ‹ ’”œ›’‹•›™ƒ‡Œ ’”‘ ‡•‘™‹ ‡—–”‘ˆ‹œƒ Œ‹

ȋƒ•–—•œƒ‹‹ǤʹͲͳ͸ȌǤ



Wskaźnik „Indeks zakwitów sinic”

Charakterystyka i wzór

„Indeks zakwitów sinic” ȋƒ‰Ǥ Cyanobacterial bloom index – CyaBI) jest wskaźnikiem

wstępnym w zakresie eutrofizacji, stosowanym do oceny w wodach otwartego morza, na

podstawie zakwitu sinic w miesiącach letnich. Wskaźnik został opracowany przez ekspertów z

Fińskiego Instytutu Środowiska (SYKE) (HELCOM 2012, HELʹͲͳ͹ŠȌǤ

Do wyznaczania wskaźnika i oceny stanu środowiska można wykorzystywać zarówno dane

•ƒ–‡Ž‹–ƒ”‡ȋ’ƒ”ƒ‡–”ǡ•‹‹ ‡™™ƒ”•–™‹‡’‘™‹‡”œ Š‹‘™‡Œ‘”œƒǡƒ‰Ǥcyanobacterial surface

accumulationsȌ‘”ƒœ†ƒ‡’‘‹ƒ”‘™‡in situȋ’ƒ”ƒ‡–”–„‹‘ƒ•ƒ•‹‹ Ȍȋ ʹͲͳ͹ŠȌǤ

Głównym źródłem danych służących do opracowania parametru CSA były dane w zakresie

ŠŽ‘”‘ˆ‹Ž—Ǧa i przejrzystości wody morskiej, pochodzące z codziennych analiz zdjęć satelitarnych

w Fińskim Instytucie Środowiska (SYKE) (Kahru i Elmgr‡ ʹͲͳͶ„ǡ  ʹͲͳ͹ŠȌǤ ƒ‡

satelitarne charakteryzują się bardzo wysoką częstotliwością pomiaru, dzięki czemu w sposób

optymalny można śledzić tworzenie się, przebieg i czas trwania zakwitów sinic w

’‘™‹‡”œ Š‹‘™‡Œ ™ƒ”•–™‹‡ ‘”œƒǤ ‹‡‹‡Œ ’ƒ”ƒ‡–” –‡ jest silnie uzależniony nie tylko od

czynników eutrofizujących, ale także od zmian związanych z klimatem, np. warunków

wiatrowych. Metodyka opracowania tego parametru została opisana w raporcie HELCOM z

’”‘Œ‡–—  ȋ  ʹͲͳ͹ŠȌǤ ‹‘ƒ•ƒ •‹‹  —œ—’ełnia parametr CSA, dostarczając

informacji o rzeczywistej liczebności i biomasie sinic w powierzchniowej (0ǦͳͲȌ™ƒ”•–™‹‡™‘†›

(HELCOM 2017i). Te dane zbierane są w ramach monitoringu przez wszystkie kraje bałtyckie,

œ‰‘†‹‡œ”ƒŒ‘™›‹’”‘‰”ƒƒ‹‘‹–‘ringu Morza Bałtyckiego. Metody monitoringu i zasady

metodyczne analizy taksonomicznej oraz oznaczania biomasy sinic opisane są w przewodniku

„HELCOM Manual for Marine Monitoring” (HELCOM 2014a) w sekcji dotyczącej monitoringu

ˆ‹–‘’Žƒ–‘—™œƒ”‡•‹‡•–”—ktury gatunkowej, liczebności i biomasy. Z uwagi na znacznie niższą

rozdzielczość czasową monitoringu in situ, wartości progowe dla biomasy oraz wyznaczony na

ich podstawie stan nie spełniają wymagań odpowiedniej wiarygodności dla wskaźnika

’‘†•–ƒ™‘™‡‰‘Ǥ

Połączenie obydwu parametrów w jeden indeks zapewnia bardziej wiarygodne określenie

stanu siedliska pelagicznego. Wskaźnik CyaBI zmienia się w sposób przeciwny w stosunku do

wzrostu eutrofizacji, tzn. niskie wartości wskaźnika wskazują na silne zeutrofizowƒ‹‡

środowiska.

Wskaźnik „Indeks zakwitów sinic”spełnia kryterium D1C6 (–ƒ„‡ŽƒʹǤͳǤʹǤȌ™”ƒƒ Š ‡ Š›

ͳ–różnorodność biologiczna oraz kryterium D5C3 w ramach cecŠ›ͷ–‡—–”‘ˆ‹œƒ Œƒœ‰‘†‹‡œ

†‡ ›œŒą2017/848, a także wymagania Bałtyckiego Planu Działań w zakresie celu ekologicznego –

zmniejszenie eutrofizacji w Bałtyku.

Wartość progowa dobrego stanu środowiska

Wartości progowe dla poszczególnych obszarów oceny w Morzu Bałtyckim (HELCOM

2014b, 2017h) zostały wyznaczone oddzielnie dla każdego z parametrów tworzących wskaźnik

na podstawie zgromadzonych długookresowych serii danych, w tym danych satelitarnych (CSA)

dotyczących zakwitów sinic w Morzu Bałtyckim w latachͳͻ͹ͻǦʹͲͳͶȋƒŠ”—‹Ž‰”‡ʹͲͳͶ„Ȍ

‘”ƒœ†ƒ› Šœ‘„•‡”™ƒ Œ‹in situ ȋ„‹‘ƒ•ƒ•‹‹ Ȍ™Žƒ–ƒ ŠͳͻͻͲǦ2015, zgromadzonych przez grupę

HELCOM PEG (Wasmund i in. 2015). Wartości progowe wyznaczono stosując kombinację analizy

statystycznej długookresowych serii danych z osądem eksperckim, ponieważ największym

problemem w tym zadaniu był brak wiarygodnych i spójnych danych historycznych. Dane z lat

1970 lub 1980, występujące w dostępnych seriach nie odpowiadają charakterystyce „brak



ʹͺͳ

oddziaływania człowieka lub tylko niewielki wpływ tej działalności”, więc nie mogły być

wykorzystane jako wartości referencyjne. Szczególnie, że zakwity sinic są zjawiskiem naturalnym

w Morzu Bałtyckim, więc wartości progowe nie muszą określać stanu –bez zakwitów, ale raczej

•–ƒǡ ‰†œ‹‡ nie występują intensywne zakwity, a przede wszystkim – nie występują zakwity

potencjalnie toksyczne. Taki stan w zakresie zakwitów sinic, powinien być zgodny ze

zrównoważonym wykorzystaniem morza przez człowieka. 

W celu wyznaczenia wartości progowych, w seriach dostępnych danych zidentyfikowano

okresy z niską intensywnością zakwitów, mimo że odnosiły się już do środowiska

zeutrofizowanego. Okresy o niższej intensywności zakwitów, w porównaniu do ogólnego

poziomu, wyznaczono za pomocą metody wykrywania skokowych zmian środowiskowych (ang.

regime shift detection) z algorytmem Rodionov’a (2004). W przypadku braku okresów o niskiej

intensywności zakwitów, obliczano średnie dla poszczególnych lat stosując metodę kwartyli. 

Metodę wykrywania zmian środowiskowych udało się zastosować we wszystkich

‘„•œƒ”ƒ Š ‘ ‡› †Žƒ ’ƒ”ƒ‡–”—  – •‹‹ ‡ ™ ™ƒ”•–™‹‡ ’‘™‹‡”œ Š‹‘™‡Œ ‘”œƒǤ  ƒ•‡‹‡

Bornholmskim, Wschodnim Basenie Gotlandzkim i w Basenie Gdańskim, które obejmują polską

strefę Bałtyku, gdzie nie były dostępne dane biomasy sinic z czasów przed znacznym wzrostem

intensywności ich zakwitów, wartości progowe oszacowano z wykorzystaniem kwartyli

charakteryzujących najniższą biomasę. Z danych z pojedynczych pomiarów, obliczano średnie

miesięczne, a następnie średnie sezon‘™‡ȋ†Žƒ‘”‡•—ʹͲ œ‡”™ ƒ–͵ͳ•‹‡”’‹ƒȌȋ ʹͲͳ͹ƒǡ

2017h). W obliczeniach uwzględniono biomasę sinic z rodzaju NodulariaǡAphanizomenon‘”ƒœ

Dolichospermumȋ’‘’”œ‡†‹‘AnabaenaȌǤ

Wartość wskaźnika „Indeks zakwitów sinic” Œ‡•– œ‘”ƒŽ‹œ‘™ƒƒǡ –œǤ œƒ™iera się w

przedziale od 0 do 1, gdzie 1 oznacza dobry stan środowiska. Wartości progowe wyznaczono dla

obydwu parametrów charakteryzujących ten wskaźnik oraz zintegrowaną wartość progową, jako

średnią ze znormalizowanych wyników ocen obydwu parametrów (CS ‹ „‹‘ƒ•›Ȍǡ

’”œ‡†•–ƒ™‹‘‘™–ƒ„‡Ž‹ʹǤͳǤ͸͹. Wyniki wskaźnika powyżej wartości progowej oznaczają dobry

stan środowiska. Jeżeli w danym obszarze oceny jeden z parametrów nie miał zastosowania,

ocenę wykonuje się w oparciu o wartość progową wyznaczoną tylko dla pozostałego parametru,

np. tak jak w przypadku Basenu Gdańskiego, gdzie ocenę można odnieść tylko do parametru CSA

przy braku wyznaczenia wartości progowej dla bi‘ƒ•›in situǤ

ƒ„‡ŽƒʹǤͳǤ͸͹Ǥ Wartości progowe dobrego stanu środowiska –GES parametrów CSA i biomasy sinic oraz

zintegrowanej oceny wskaźnika CyaBI dla obszarów oceny w POMǤ

„•œƒ”‘ ‡›

Basen Gdański 

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹

ƒ•‡‘”Š‘Ž•‹



Wartość progowa 

ȋœ‹–‡‰”‘™ƒƒȌ

Ͳǡͻͺ

ͲǡͺͶ

Ͳǡͺ͹

Wartość progowa GES

†Žƒ’ƒ”ƒ‡–”—Ǧ

Ͳǡͻͺ

ͲǡͺͶ

Ͳǡͺ͸

Wartość progowa GES

†Žƒ’ƒ”ƒ‡–”—Ǧ„‹‘ƒ•ƒ

Ǧ

ͲǡͺͶ

Ͳǡͺ͹

Czynniki presji powiązane ze wskaźnikiem

Badania proporcji stabilnych izotopów azotu i węgla oraz zawartości węgla organicznego w

osadach dennych wykazały, że wzrost poziomu substancji biogennych w Morzu Bałtyckim

‹związany z tym wzrost produktywności zostały zapoczątkowane już w latach 1950 i 1ͻ͸Ͳ

™‹‡—(Andrén i in. 2000, Struck i in. 2000, Poutanen i Nikkilä 2001). Według Finni i in. (2001)

zakwity sinic stały się zjawiskiem powszechnym w wodach Bałtyku Właściwego i w Zatoce

Fińskiej już w latach 1960  ™‹‡—. Przyjmuje się, że intensywne zakwity sinic są jednym z

symptomów eutrofizacji, napędzanej wzrostem dopływu substancji odżywczych do środowiska

morskiego (Bianchi i in. 2000). W przypadku tego wskaźnika głównym czynnikiem presji

antropogenicznej są ładunki fosforuzwiązane m.in. z rolnictwem i przemysłem. Nadmiar azotu i

fosforu w środowisku morskim prowadzi do intensywnego wzrostu fitoplanktonu, w tym sinic, w

–‘‹ ™‘†‡Œǡ ‘ œkolei wpływa na zmniejszenie przejrzystości wody morskiej, powoduje

powstawanie deficytów tlenowych w wodach przydennych, a w konsekwencji wywołuje zmiany



ʹͺʹ

w strukturze gatunkowej (Hällfors i in. 2013, HELCOM 2013d). Intensyfikacja zakwitów sinic jest

tylko częściowo wynikiem wzbogacenia środowiska w substancje biogenne i jak wspomniano

wyżej –w szczególności dysproporcjonalnego wzrostu zawartości rozpuszczonego fosforu. Wielu

autorów wskazuje także na inne przyczyny, nie związane z eutrofizacją, np.: zmiany

Š›†”‘‰”ƒˆ‹ œ‡ǡ Œƒ ™œ”‘•– –‡’‡”ƒ–—”›ǡ •’ƒ†‡ œƒ•‘Ž‡‹ƒ ‹ „ƒ”†œ‹‡Œ ‡ˆ‡–›™‡ ‹‡•œƒ‹‡

’‹‘‘™‡ Ž—„ œ‹ƒ› w zawartości mikropierwiastków i metali śladowych, a także zmiany

™”‡Žƒ Œ‹ˆ‹–‘’Žƒ–‘—†‘œ‘‘’Žƒ–‘—ȋƒŠ”—‹‹ǤͳͻͻͶȌǤ –‡•›™‡œƒ™‹–›•‹‹ ǡœ—™ƒ‰‹ƒ

ich możliwą toksyczność, wywierają potencjalnie negatywny skutek na różnorodność

ekosystemów morskich oraz ich społecznoǦekonomiczną wartość. 



Wskaźnik „Chlorofil-a”

Charakterystyka i wzór

ŠŽ‘”‘ˆ‹ŽǦƒŒ‡•–’‘™•œ‡ Š‹‡•–‘•‘™ƒ›ƒ’”‘•›ƒ–‘”‡„‹‘ƒ•›ˆ‹–‘’Žƒ–‘—Ǥ

W wodach otwartego morza, a więc poza 1Ǧmilowym pasem wód przybrzeżnych (HELCOM

ʹ013a) do oceny w Basenie Gdańskim, Wschodnim Basenie Gotlandzkim oraz Basenie

‘”Š‘Ž•‹ǡƒœƒ•–osowanie wskaźnik podstawowy –„Chlorofil-a”. Charakteryzuje średnie

stężenia tego pigmentu w wodach powierzchniowych (0Ǧ10 m) w okresie letnim, w miesiącach

œ‡”™‹‡ Ǧwrzesień (HELCOM 2006a). Do wyznaczania wskaźnika i oceny stanu środowiska

można wykorzystywać zarówno dane pomiarowe in situ Œƒ‹ †ƒ‡•ƒ–‡Ž‹–ƒ”‡Ǥƒ•ƒ†›‹–‡‰”ƒ Œ‹

obydwu typów danych są opisane w protokole oceny (HELCOM ʹͲͳ͹Ȍ. Pobór próbek ™‘†›

‹proces analityczny oznaczania zawartości chlorofiluǦa odbywa się zgodnie z wytycznymi

’”œ‡™‘†‹ƒ    ȋ ʹͲͳͶƒȌǤ ƒ‡ ’‘‹ƒ”‘™‡ in situ są gromadzone w

ramach krajowych programów monitoringu i przekazywane do bazy danych w ICES. W oc‡‹‡

krajowej dane dotyczące wskaźnika „Chlorofil-a”pochodziły z badań in situw ramach PMŚ.

Możliwe jest także włączenie danych z bezobsługowych urządzeń pomiarowych np. Ferry

Box lub boi. Zbiór danych nƒ –‡ƒ– ŠŽ‘”‘ˆ‹Ž—Ǧa w oparciu o zdjęcia satelitarn‡ ȋƒ‰Ǥ Earth

Observation Data) w ramach II oceny holistycznej został przygotowany przez Fiński Instytut

Środowiska (SYKE) przy zastosowaniu do obserwacji instrumentów ENVISAT/MERIS – ‘†‡Ž

„‹‘Ǧoptyczny (Schröder i in. 2007). Dokładność algorytmu bioǦ‘’–› œ‡‰‘ œ™‡”›ˆ‹‘™ƒ‘

względem danych pomiarowych ze stacji monitoringowych HELCOM COMBINE w ramach

’”‘Œ‡–—  Ǧ ȋ  ʹͲͳ͵‡ǡ ʹͲͳͶ„ȌǤƒ‡ ƒ –‡ƒ– ŠŽ‘”‘ˆ‹Ž—Ǧa ze zdjęć

satelitarnych odnoszą się do warstwy powierzchniowej morza, gdzie duży wpływ na dane ma

przezroczystość wody morskiej. Dane EO raportowano jako codzienne statystyki w siatce o

wielkości oczka 20 km. Ze zbioru danych usunięto obszary objęte zachmurzeniem. 

W wodach przybrzeżnych i przejściowych ma zas–‘•‘™ƒ‹‡ ƒƒŽ‘‰‹ œ› wskaźnik

„Chlorofil-a” włączony do krajowego systemu klasyfikacji stanu  ȋ‘Ǥ ʹͲͳ͸Ȍǡ œ‰‘†‹‡ œ

™›–› œ›‹ȋ‘ǤʹͲͲͲȌ. Zastosowanie mająrównież†ƒ‡’‘‹ƒ”‘™‡in situz miesięcy

œ‡”™‹‡ Ǧwrzesień dla 15 ǤWyjatek stanowią™‘†›ƒŽ‡™—Wiślanego, ƒŽ‡™—— ‹‡‰‘ǡ

ƒŽ‡™—Kamieńskiego i ƒŽ‡™—Szczecińskiego, gdzie do wyliczenia wskaźnika wykorzystuje się

średnią roczną. 

Wskaźnik „Chlorofil-a” spełnia kryterium D1C6 (–ƒ„‡Žƒ ʹǤͳǤʹǤȌ ™ ”ƒƒ Š ‡ Š› ͳ –

różnorodność biologiczna oraz kryterium D5C2 w ramach cechy D5 – ‡—–”‘ˆ‹œƒ Œƒ œ‰‘†‹‡

œ†‡ ›œŒą2017/848, a także wymagania Bałtyckiego Planu Działań w zakresie celu ekologicznego

–œ‹‡Œ•œ‡‹‡‡—–”‘ˆ‹œacji w Bałtyku.

Wartość progowa dobrego stanu środowiska

‘„”› •–ƒn środowiska jest określany dla poszczególnych obszarów oceny w oparciu

‘ƒ—‘™‡ zasady i zaakceptowane przez kraje bałtyckie wartości progowe, które definiują

dopuszczalnązawartość chloroˆ‹Ž—Ǧa w wodzie morskiej (HELCOM 2017d) w zakresie średnich

stężeń w okresie letnim, tj. czerwiecǦwrzesień. Wartości progowe wposzczególnych obszarach

oceny zostały wyznaczone w ramach projektu TARGREV (HELCOM 2013e), z uwzględnieniem

wyników opracowań pr‘Œ‡–— ȋ ʹͲͲ͸ƒǡʹͲͲͻȌ‘”ƒœ”ƒŒ‘™› Š’”ƒ 



ʹͺ͵

związanych z wdrożeniem . Ostateczny zestaw wartości progowych został ustalony przez

zespół ekspertów w ramach działalności grupy HELCOM INǦ  ‹œƒƒ ‡’–‘™ƒ›

’”œ‡œ  ǤSpecyficzne wartości progowe dla wskaźnika „ŠŽ‘”‘ˆ‹ŽǦƒ”—œ‰‘†‹‘‡†Žƒ

obszarów  ‘ ‡›  obejmujących POM  ’”œ‡†•–ƒ™‹‘‘ ™ –ƒ„‡Ž‹ ʹǤͳǤ͸ͺ ‹ –ƒ„‡Žƒ ʹǤͳǤ͸ͻ. Wartości

równe lub niższe od wartości progowej oznaczają dobry stan środowiska – Ǥ

ƒ„‡ŽƒʹǤͳǤ͸ͺǤ Wartości progowe dobrego stanu środowiska –GES wskaźnika „Chlorofil-a”dla obszarów

‘ ‡›™–™‘†›‘–™ƒ”–‡Ǥ

„•œƒ”‘ ‡›

Basen Gdański 

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ƒ•‡‘”Š‘Ž•‹

Wartość progowa GES [‰ŽǦͳȐ

ʹǡʹ

ͳǡͻ

ͳǡͺ

„•œƒ”‘ ‡›

Zalew Szczeciński, Zalew Kamieński

Zalew Wiślany

ƒŽ‡™— ‹

Zatoka Pucka Zewnętrzna, Zatoka Gdańska Wewnętrzna

Ujście Dziwny

Ujście Wisły Przekop

Ujście Świny

Półwysep Hel, ‘”–Władysławowo, SarbinowoǦœ‹™ƒǡ‘™›Ǧ

Jarosławiec Zachód, RowyǦJarosławiec Wschód, Jastrzębia GóraǦ‘™›ǡ

WładysławowoǦJastrzębia Góra, JarosławiecǦƒ”„‹‘™‘

Mierzeja Wiślana, DziwnaǦŚwina

Wartość progowa GES [‰ŽǦͳȐ

ʹͲ

ʹ͵ǡʹͲ

ʹǡͲͲ

͵ǡ͹͸

͵ǡͺͲ

ͷǡͷͲ

͹ǡͷͲ

ͳǡͻͲ



ƒ„‡ŽƒʹǤͳǤ͸ͻǤ Wartości progowe dobrego stanu środowiska –GES wskaźnika „Chlorofil-a”dla obszarów

‘ ‡›™–jednolite części wód



͵ǡͳͷ

Czynniki presji powiązane ze wskaźnikiem

ŠŽ‘”‘ˆ‹ŽǦa z uwagi na łatwość analizy i pomiaru zawartości w środowisku wodnym jest

’‘™•œ‡ Š‹‡ •–‘•‘™ƒ› ƒ’”‘•›ƒ–‘”‡ „‹‘ƒ•› ˆ‹–‘’Žƒ–‘—Ǥ ‘ ‡–”ƒ Œƒ ŠŽ‘”‘ˆ‹Ž—Ǧƒ

jest pośrednio silnie zależna od stężeń substancji biogennych w morzu (FlemingǦ‡Š–‹‡ ‹‹Ǥ

2008, ŁysiakǦPastuszak i in. 2009), a więc silnie powiązana z presją antropogeniczną w postaci

ładunków tych substancji, dopływających z lądu i atmosfery (HELCOM 2009). Wskaźnik wykazuje

‹‡”—‡œ‹ƒœ‰‘†›œ‡™œ”‘•–‡•–‘’‹ƒ‡—–”‘ˆ‹œƒ Œ‹Ǥ ‹–oplankton jest podstawą większości

oceanicznej/morskiej produkcji biomasy. Rozwój fitoplanktonu zależy od dostępności czynników

potrzebnych do fotosyntezy (światło i dwutlenek węgla) i związków nieorganicznych,

głównie•‘Ž‹ ƒœ‘–—‹fosforu. W wyniku przeżyźnienia tymi związkami zbiorników wodnych

(eutrofizacji) następuje zazwyczaj wzrost„‹‘ƒ•›fitoplanktonu. W Morzu Bałtyckim

zewnętrzny ładunek substancji biogennych jest dodatkowo zwiększany wewnętrznym dopływem

fosforu z osadów dennych w obszarach objęty Š †‡ˆ‹ ›–‡ –Ž‡‘™›Ǥ œ”‘•– „‹‘ƒ•›

fitoplanktonu, w wyniku sedymentacji, prowadzi w efekcie do zwiększenia deficytu tlenowego w

™‘†ƒ Š ’”œ›†‡› Š – tworzy się tzw. błędne koło (ang. vicious circleȌ ‡—–”‘ˆ‹œƒ Œ‹Ǥ ‹ƒ›

elementów biotycznych, jak i abio–› œ› Šǡ ’Ǥ œ‹ƒ› Ž‹ƒ–— Ž—„ œ‹ƒ› ™ •–”—–—”œ‡

organizmów odżywiających się fitoplanktonem, także wpływają na zasoby tej formacji

‡‘Ž‘‰‹ œ‡ŒǤ









ʹͺͶ

Metoda oceny stanu siedlisk pelagicznych

Ocenę stanu siedlisk pelagicznych wykonuje się na zasadzie integracji wskaźników. Metodą

integracji między wskaźnikami stosowanymi do oceny siedlisk pelagicznych jest średnia ważona

uwzględniająca przypisane im wagi. Wskaźniki uzupełniające ocenę siedlisk pelagicznych (m.in.

wskaźniki eutrofizacji) i mające niższy status, charakteryzują się niższą wagą od pozostałych

wskaźników. Integrację między wskaźnikami należy przeprowadzić w ramach jednego obszaru

oceny i jednego ogólnego typu siedliska: pelagiczne wody otwarte lub pelagiczne wody

przejściowe i przybrzeżne. W warunkach panujących w POM oznacza to, że oddzielną ocenę

należy wykonać dla siedliska pelagicznego wód otwartych przy zastosowaniu czterech

wskaźników: MSTS, Dia/Dino, Chl a (VIǦIX) i CyaBI w Basenie Gdańskim lub trzech wskaźników

‹ƒȀ‹‘ǡŠŽƒȋ Ǧ Ȍ‹›ƒ ™‡• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹‹ƒ•‡‹‡‘”Š‘Ž•‹‘”ƒœ

oddzielnie dla siedliska pelagicznego w wodach przejściowych i przybrzeżnych jedyni‡ ’”œ›

uwzględnieniu wskaźnika „Chlorofil-a”Ǥ

Strukturę zintegrowanej oceny uwzględniającą zastosowane wskaźniki i ich wagi w POM

†Žƒ•‹‡†Ž‹•’‡Žƒ‰‹ œ› Š’”œ‡†•–ƒ™‹‘‘™–ƒ„‡Ž‹ʹǤͳǤ͹ͲǤ

Do integracji co najmniej dwóch wskaźników w obszarze oceny, należy stosować wartości

znormalizowane wskaźników. W celu uzyskania wartości wskaźnika w przedziale od 0 do 1,

należy przeprowadzić normalizację uwzględniającą wartości minimalne i maksymalne danego

wskaźnika oraz uwzględnienie wartości granicznej BQR równej 0,6. 

‡–‘†ƒ ‘”alizacji dla wskaźnika MSTS w Basenie Gdańskim została opracowana na

podstawie metody zastosowanej w II ocenie holistycznej (narzędzie informatyczne BEAT 3.0)

ȋ ʹͲͳ͹ƒȌ‹’”œ‡†•–ƒ™‹‘ƒ™–ƒ„‡Ž‹ʹǤͳǤ͹ʹ., w której wykorzystano wartości minimalne i

maksymalne dla struktury wielkościowej zooplanktonu (MS) i całkowitej biomasy zooplanktonu

ȋȌ’‘†ƒ‡™–ƒ„‡Ž‹ʹǤͳǤ͹ͳ. oraz wartości progowe wyznaczone dla Basenu Gdańskiego (–ƒ„‡Žƒ

ʹǤͳǤ͸ͷȌǤ





ʹͺͷ

Chl a (średnia roczna)

›ƒ 

ŠŽƒȋ Ǧ Ȍ

ŠŽƒȋ Ǧ Ȍ

›ƒ 

‹ƒȀ‹‘

ŠŽƒȋ Ǧ Ȍ

‹ƒȀ‹‘

ŠŽƒȋ Ǧ Ȍ

›ƒ 

‹ƒȀ‹‘



ʹͺ͸

”ƒŒ‘™›‡—–”‘ˆ‹œƒ Œ‹

wstępny eutrofizacji

”ƒŒ‘™›‡—–”‘ˆ‹œƒ Œ‹

’‘†•–ƒ™‘™›‡—–”‘ˆ‹œƒ Œ‹

wstępny eutrofizacji

wstępny „bioróżnorodności”

’‘†•–ƒ™‘™›‡—–”‘ˆ‹œƒ Œ‹

’‘†•–ƒ™‘™›

„bioróżnorodności”

wstępny „bioróżnorodności”

’‘†•–ƒ™‘™›‡—–”‘ˆ‹œƒ Œ‹

wstępny eutrofizacji

wstępny „bioróżnorodności”

Status wskaźnika

Ͳǡʹ

ͳ

ͲǡͶ

Ͳǡʹ

ͲǡͶ

ͲǡͶ

Ͳǡ͵

Ͳǡ͵

Ͳǡͳ

ͲǡͶ

Ͳǡ͵

ƒ‰ƒ

wskaźn‹ƒ

„”ƒ‹–‡‰”ƒ Œ‹

średnia ważona

średnia ważona

Integracja między

œ‘”ƒŽ‹œ‘™ƒ›‹

wskaźnikami (jeśli w

‘„•œƒ”œ‡‘ ‡›

występują co najmniej 2

wskaźniki)

średnia ważona

™›‹ƒ

’‘†•–ƒ™‹‡

Žƒ•›ˆ‹ƒ Œ‹–‡‰‘

wskaźnika w

‘„•œƒ”œ‡‘ ‡›

™›‹ƒ

’‘†•–ƒ™‹‡

Žƒ•›ˆ‹ƒ Œ‹

ȋƒ‰ǤBiological

Quality RatioȌ

™›‹ƒ

’‘†•–ƒ™‹‡

Žƒ•›ˆ‹ƒ Œ‹

ȋƒ‰ǤBiological

Quality RatioȌ

™›‹ƒ

’‘†•–ƒ™‹‡

Žƒ•›ˆ‹ƒ Œ‹

ȋƒ‰ǤBiological

Quality RatioȌ

 ‡ƒ™‹‡Ž‘Ž‡–‹ƒ

– 295 –



Ͷ ǣƒŽ‡™

Wiślany, Zalew

— ‹ǡƒŽ‡™

Kamieński, Zalew

Szczeciński

ͳͷȋ œ

wyjątkiem zalewów

ƒ•‡‘”Š‘Ž•‹

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹

Basen Gdański

‘†ƒ™‡›™

Wskaźnik

œƒ•–‘•‘™ƒ›™

”ƒŒ‘™‡Œ

„zintegrowanej ocenie

bioróżnorodności”

Monitor Polski

’‡Žƒ‰‹ œ‡™‘†›

przejściowe i

przybrzeżne 

’‡Žƒ‰‹ œ‡™‘†›

‘–™ƒ”–‡

Ogólny typ

•‹‡†Ž‹•ƒƒ

’‘†•–ƒ™‹‡‡ ›œŒ‹

ʹͲͳ͹ȀͺͶͺ

„•œƒ”‘ ‡›

ƒ„‡ŽƒʹǤͳǤ͹ͲǤ –”—–—”ƒœ‹–‡‰”‘™ƒ‡Œ‘ ‡›•‹‡†Ž‹•’‡Žƒ‰‹ œ› Š™™”ƒƒ Š‘ ‡›™‹‡Ž‘Ž‡–‹‡ŒʹͲͳͳǦʹͲͳ͸Ǥ

Do dalszej integracji z pozostałymi wskaźnikami w Basenie Gdańskim (Dia/Dino, Chl a i

CyaBI) należy uwzględnić tylko jedną z dwóch wartości wskaźnika MSTS po normalizacji: albo MS

œ‘”ƒŽ‹œ‘™ƒ›ƒŽ„‘œ‘”ƒŽ‹œ‘™ƒ›ƒœƒ•ƒ†œ‹‡™›„‘”—tej wartości, która jest niższa.

ƒ„‡ŽƒʹǤͳǤ͹ͳǤ Wartość minimalna i maksymalna dla składowych wskaźnika MSTS niezbędnych do

przeprowadzenia normalizacji wskaźnikaǤ

Wartość

‹‹ƒŽƒ

ƒ•›ƒŽƒ



–struktura wielkościowa

œ‘‘’Žƒ–‘—

͹ǡͶ

ͳ͹ǡͺ

–całkowita biomasa zooplanktonu

ƒ„‡ŽƒʹǤͳǤ͹ʹǤ Metoda normalizacji wskaźnika MSTS w Basenie GdańskimǤ

Wartość wyliczona MS (MSobs) i wartość

™›Ž‹ œ‘ƒȋ‘„•Ȍ

jeśli MSobs < wartość progowa dla MS

jeśli MSobs > wartość progowa dla MS

jeśli TSobs < wartość progowa dla TS

jeśli TSobs > wartość progowa dla TS

ʹͷǡ͹

ͳͲͶͳǡ͸

‘”ƒŽ‹œƒ Œƒ

Ͳǡ͸ȗȋ‘„•–͹ǡͶȌȀȋͳͲǡʹ–͹ǡͶȌ

Ͳǡ͸ΪͲǡͶȗȋ‘„•–ͳͲǡʹȌȀȋͳ͹ǡͺ–ͳͲǡʹȌ

Ͳǡ͸ȗȋ‘„•–ʹͷǡ͹ȌȀȋͳͲ͵–ʹͷǡ͹Ȍ

Ͳǡ͸ΪͲǡͶȗȋ‘„•–ͳͲʹǡͺȌȀȋͳͲͶͳǡ͸–ͳͲ͵Ȍ



Wskaźniki Dia/Dino oraz CyaBI, których wartości zawierają się w przedziale od 0 do 1,

należy przekształcić, aby uwzględnić wartość graniczną dla BQR równą 0,6 (–ƒ„‡ŽƒʹǤͳǤ͹ͶǤȌǤ

ƒ„‡ŽƒʹǤͳǤ͹͵Ǥ Metoda normalizacji wskaźnika Dia/Dino lub CyaBIǤ

Wartość wskaźnika Dia/Dino lub CyaBI

jeśli Dia/Dino/ CyaBI (2011Ǧ2016) < wartość

’”‘‰‘™ƒ

jeśli Dia/Dino/ CyaBI (2011Ǧ2016) > wartość

’”‘‰‘™ƒ

‘”ƒŽ‹œƒ Œƒ

Ͳǡ͸ȗȋ‹ƒȀ‹‘Ȁ›ƒ –wartość min.)/(wartość

’”‘‰‘™ƒ–wartość min.)

Ͳǡ͸ΪͲǡͶȗȋ‹ƒȀ‹‘Ȁ›ƒ –wartość

progowa)/(wartość max. –wartość ’”‘‰‘™ƒȌ



Również wskaźnik „Chlorofil-a” obliczany dla wód otwartych Basenu Bornholmskiego,

Basenu Gdańskiego oraz Wschodniego Basenu Gotlandzkiego należy znormalizować w’”œ›’ƒ†—

‹tegracji z innymi wskaźnikami. „Chlorofil-a”jest przede wszystkim wskaźnikiem eutrofizacji i

zmienia się wraz ze wzrostem degradacji środowiska odmiennie niż wskaźniki MSTS lub

Dia/Dino, tzn. jego wartość rośnie, więc nie można było zastosować rozwiązania identycznego jak

dla powyższych wskaźników. Z tego powodu przyjęto powszechnie stosowaną w statystyce

metodę normalizacji danych w przedziale 0Ǧͳ ȋƒ‰Ǥ feature scaling), wprowadzając przelicznik

0,6, uwzględniający wartość graniczną dla BQR. Metodę taką przyjęto również z uwagi na fakt, że

szczegółowa metodyka normalizacji wskaźnika w narzędziu BEAT 3.0 nie została wyjaśniona w

sposób wystarczający ani udostępniona na forum HELCOM, ponieważ nadal trwają prace m.in.

nad uzgodnieniem zasad wyboru wartości skalujących – ƒ•›ƒŽ› Š ‹ ‹‹ƒŽ› Š †Žƒ

’oszczególnych basenów oceny.



Obliczenia wykonano stosując równanie:



ŠŽǦƒȋ‘”ȌαͲǡ͸ȗȋȋ„•Ǧ‹ȌȀȋƒšǦ‹ȌȌ



‰†œ‹‡ǣ

ŠŽǦƒȋ‘”Ȍ–wskaźnik znormalizowany w przedziale 0Ǧ1 z uwzględnieniem wartości granicznej 0,6ǡ

„•Ǧśrednie stężenie ŠŽ‘”‘ˆ‹Ž—Ǧƒ™miesiącach (VIǦ Ȍ™™‹‡Ž‘Ž‡ ‹—ʹͲͳͳǦ2016 obliczone jako średnia

z danych dla poszczególnych stacjiǡ

‹ Ǧ stężenie minimalne obliczone jako średnia z minimalnych stężeń dla poszczególnych stacji w

‘”‡•‹‡‘ ‡›ȋŽƒ–ƒʹͲͳͳǦʹͲͳ͸Ȍǡ

ƒšǦstężenie maksymalneobliczone jako średnia z maksymalnych stężeń dla poszczególnych stacji w

‘”‡•‹‡‘ ‡›ȋŽƒ–ƒʹͲͳͳǦʹͲͳ͸ȌǤ



ʹͺ͹

‡żelido oceny stanu w danym obszarze oceny wykorzystano co najmniej dwa wskaźniki,

™›Ž‹ œ‘‘ †Žƒ ‹ Š  ȋƒ‰Ǥ Biological Quality Ratio) ‹ ’”œ‡’”‘™adzono integrację, to w

rezultacie wynik zintegrowanej oceny należy sklasyfikować następująco (–ƒ„‡ŽƒʹǤͳǤ͹ͶȌǣ

ƒ„‡ŽƒʹǤͳǤ͹ͶǤ Žƒ•›ˆ‹ƒ Œƒ ™›‹— ‘ ‡› •–ƒ— •‹‡†Ž‹• ’‡Žƒ‰‹ œ› Š – BQR w ramach „zintegrowanej

oceny bioróżnorodności”Ǥ

Wartość graniczna BQR

≥ 0,6

δͲǡ͸

›‹

Status „zintegrowanej oceny

bioróżnorodności” –•‹‡†Ž‹•ƒ’‡Žƒ‰‹ œ‡

†‘„”›– 

poniżej dobrego –•—„ 

Ͳǡ͸–ͳǡͲ

Ͳ–Ͳǡͷͻ



Jeżeli ocena stanu danego obszaru zostanie przeprowadzona wyłącznie za pomocą jednego

wskaźnika, wynik oceny klasyfikuje się na podstawie wartości progowej tego wskaźnika między

•–ƒ‡ –†‘„”›ǡƒ•–ƒ‡•—„ –poniżej dobrego. W POM ma to zastosowanieŒ‡†›‹‡™

przypadku wskaźnika „Chlorofil-a”w wodach przejściowych i przybrzeżnych (–ƒ„‡ŽƒʹǤͳǤ͹ͷȌǤ

ƒ„‡ŽƒʹǤͳǤ͹ͷǤ Klasyfikacja wyniku oceny stanu siedlisk pelagicznych w wodach przejściowych 

‹’”œ›„rzeżnych na podstawie wskaźnika„Chlorofil-a”Ǥ

Jednolita część wód

Zalew Szczeciński, Zalew Kamieński

Zalew Wiślany

Wartość wskaźnika Chl a

≤ 20,0

εʹͲ

≤ 23,20

εʹ͵ǡʹͲ

ƒŽ‡™— ‹

≤ 2,00

εʹǡͲͲ

Zatoka Pucka Zewnętrzna, Zatoka Gdańska

Wewnętrzna

≤ 3,76

ε͵ǡ͹͸

Ujście Dziwny

≤ 3,8

ε͵ǡͺ

Ujście Wisły Przekop

≤ 5,5

εͷǡͷ

Ujście Świny

≤ 7,5

ε͹ǡͷ

Półwysep Hel, Port Władysławowo, Sarbinowo

Ǧœ‹™ƒǡ‘™›ǦJarosławiec Zachód, Rowy Ǧ

Jarosławiec Wschód, Jastrzębia Góra Ǧ‘™›ǡ

Władysławowo ǦJastrzębia Góra, Jarosławiec Ǧ

ƒ”„‹‘™‘

Mierzeja Wiślana,œ‹™ƒǦŚwina

≤ 1,9

εͳǡͻ

≤ 3,15

ε͵ǡͳͷ



–ƒ–—•‘ ‡›

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

†‘„”›– 

poniżej dobrego –

•—„ 

Ocena siedlisk pelagicznych za lata 2011-2016

Na potrzeby krajowej oceny stanu środowiska morskiego w zakresie siedlisk pelagicznych

wykorzystano cząstkowe oceny wskaźników: MSTS, „okrzemkowo-bruzdnicowego” oraz

„Chlorofil-a” w oparciu o dane krajowe z PMŚ, zebrane na stacjach monitoringu zooplanktonu,

ˆ‹–‘’Žƒ–‘— ‹ ŠŽ‘”‘ˆ‹Ž—Ǧƒ ȋ”›•Ǥ ʹǤͳǤͺ͸Ȍ z wyjątkiem wskaźnika „Indeks zakwitów sinic”ǡ †‘



ʹͺͺ

którego posłużono się danymi wyliczonymi w ramach II oceny holistycznej –  ȋ 

ʹͲͳ͹ƒȌǤ

›•ǤʹǤͳǤͺ͸Ǥ Lokalizacja stacji badań zooplanktonu, fitopla–‘— ‹ ŠŽ‘”‘ˆ‹Ž—Ǧa w ramch PMŚ,

dostarczających danych do oceny stanu siedlisk pelagicznych w POMǤ





Ocena na podstawie wskaźnika „Struktura wielkościowa (MS) i całkowite zasoby

zooplanktonu (TS) - (MSTS)”

Ocenę krajową w oparciu o wskaźnik MSTS, uwzględniającą dane PMŚ w zakresie

œ‘‘’Žƒ–‘— œ‡„”ƒ‡‰‘ ™ ‘”‡•‹‡ ‘ ‡› ȋŽƒ–ƒ ʹͲͳͳǦʹͲͳ͸Ȍ ™›‘ƒ‘ Œ‡†›‹‡ †Žƒ ƒ•‡—

Gdańskiego (–ƒ„‡ŽƒʹǤͳǤ͹͸), dla którego zostaływyznaczone wartości progowe w POM. 

ƒ„‡ŽƒʹǤͳǤ͹͸Ǥ Stacja, z której uzyskano niezbędne dane o zooplanktonie wykorzystane w przeprowadzeniu

oceny stanu środowiska w POM za pomocą wskaźnika MSTS za okres 2011ǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

Basen Gdański

–ƒ Œƒ

ͳ

›’‘‹–‘”‹‰—

 



Stan siedliska pelagicznego w Basenie Gdańskim w latach 2011Ǧ2016, określony na

podstawie wskaźnika MSTS, został uznany za dobry – ȋ–ƒ„‡ŽƒʹǤͳǤ͹͹). Zgodnie z metodyką

oceny z wykorzystaniem wskaźnika MSTS, zarówno w przypadku gdy obie składowe (MS i TS) lub

jedna z nich są niższe od wartości progowych dla tych składowych, wypadkowa oceƒ 

wskazuje stan poniżej dobrego –subGES. Taka sytuacja miała miejsce tylko w latach 2011 i 2013,

kiedy składowa wskaźnika –struktura wielkościowa zooplanktonu (MS) osiągnęła wartość niższą

od wartości progowej (10,2). Na tej podstawie można stwierdzić, że w strukturze zooplanktonu

w Basenie Gdańskim przeważały w tych dwóch latach organizmy o niewielkich rozmiarach, które

nie stanowią optymalnej bazy pokarmowej dla ryb planktonożernych (Arrhenius i Hansson 1993,

Cardinale i in. 2002, Möllmann i in. 2003). Jak wskazuje ocena drugiej składowej wskaźnika MSTS

–całkowitej biomasy zooplanktonu (TS), była ona powyżej dobrego stanu (103) we wszystkich

Žƒ–ƒ Š‘”‡•—‘ ‡›ȋ–ƒ„‡ŽƒʹǤͳǤ͹͹ȌǤ



ʹͺͻ

–—ƒŽƒ‘ ‡ƒ•–ƒ—•‹‡†Ž‹•’‡Žƒ‰‹ œ› Šƒ’‘†•–ƒ™‹‡œ‘‘’Žƒ–‘—œ™›‘”œ›•–ƒ‹‡

wskaźnika MSTS została wykonana w POM po raz pierwszy , więc nie można się odnieść do oceny

wstępnej (GIOŚ ʹͲͳͶȌǤ

ƒ„‡ŽƒʹǤͳǤ͹͹Ǥ Ocena stanu siedliska pelagicznego na podstawie wartości wskaźnika MSTS †Žƒ‘”‡•—ʹͲͳͳǦ

2016 w Basenie Gdańskim ( ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

Basen Gdański

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ͻǡ͹ȀʹͶ͵

ͳͷǡͷȀͳͷͺ

ͻǡ͵Ȁʹͺͷ

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

‹‡Ž‘Ž‡ ‹‡

ʹͲͳͳǦʹͲͳ͸

Wartości składowych wskaźnikaǣ

–struktura wielkościowa [µg osobn.ǦͳȐȀǦcałkowita biomasa [mg mǦ͵Ȑ

ͳͷǡͺȀͳͺʹ ͳ͸ǡͳȀͳͷ͸ ͳ͹ǡͺȀ͵ͻͷ

ͳͶȀʹ͵͸



Ocena na podstawie wskaźnika „okrzemkowo-bruzdnicowego”

Do wyliczenia wskaźnika „okrzemkowo-bruzdnicowego” ȋ‹ƒȀ‹‘Ȍ ™›‘”œ›•–ƒ‘ †ƒ‡

uzyskane w trakcie badań monitoringowych z lat 2011Ǧ2016, pochodzące z bazy danych PMŚ z

obszaru Basen Bornholmskiego, Basenu Gdańskiego oraz Wschodniego Basenu Gotlandzkiego.

Wartości wskaźników do oceny krajowej dla tych obszarów oceny zostały wyliczone na podstawie

†ƒ› Š œ ͺ •–ƒ Œ‹ „ƒ†ƒ™ œ› Š ȋ–ƒ„‡Žƒ ʹǤͳǤ͹ͺ.). Próbki fitoplanktonowe z okresu oceny były

œ„‹‡”ƒ‡i analizowane mikroskopowo według metodyki HELCOM (2016), natomiast obliczenia

liczebności i biomasy wykonane zgodnie z rekomendacją Edler (1979) oraz Olenina i in. (2006). 

ƒ„‡ŽƒʹǤͳǤ͹ͺǤ Stacje, z których uzyskano niezbędne dane o fitoplanktonie wykorzystane w

przeprowadzeniu oceny stanu środowiska w POM za pomocą wskaźnika Dia/Dino za okres

ʹͲͳͳǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

ƒ•‡‘”Š‘Ž•‹

Basen Gdański

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

–ƒ Œƒ

ͳ͵ǡ͸ǡͳ͸ǡͷ

ͳǡͳͳͲ

Ł7, P140

›’‘‹–‘”‹‰—

 

 

 



 ‡Ž— ‘–”œ›ƒ‹ƒ ™‹ƒ”›‰‘†› Š ™yników do wyliczenia wskaźnika „okrzemkowobruzdnicowego” †Žƒ ™‹‡Ž‘Ž‡ ‹ƒ ʹͲͳͳǦ2016 uprzednio sprawdzono, czy dane PMŚ z tego okresu

spełniają założenia niezbędne do przeprowadzenia oceny (wartość graniczna dla biomasy

okrzemek lub bruzdnic musi być wyższa niż 1000µgŽǦͳw co najmniej jednej próbie w sezonie)

ȋKownacka 2016, Wasmund i in. 2017). Poniżej przedstawiono maksymalne wartości mokrej

ƒ•›‘”œ‡‡‘”ƒœ„”—œ†‹ ™Žƒ–ƒ ŠʹͲͳͳǦʹͲͳ͸ȋ–ƒ„‡ŽƒʹǤͳǤ͹ͻȌǤ

ƒ„‡ŽƒʹǤͳǤ͹ͻǤ Zestawienie maksymalnych wartości mokrej masy okrzemek i bruzdnic [µgŽǦͳȐ ™ Žƒ–ƒ Š

ʹͲͳͳǦʹͲͳ͸™͵‘„•œƒ”ƒ Š‘ ‡›™Ǥ

”‘ƒ†ƒ

”œ‡‹

”—œ†‹ ‡





‘

2011

2012

2013

2014

2015

2016

2011

2012

2013

2014

2015

2016

Basen Gdański

ͳ͹ͳͺǡʹ͵

ͷͷͷǡͺͷ

ͷ͵Ͳͷǡ͸ʹ

ͳʹͳͲǡ͹͵

͸ͲͲǡͻͷ

ͳͷͻǡ͹͸

ͳͲǡͺͻ

ͺ͸ǡʹʹ

ʹͳ͵ǡͻͷ

ʹ͸͸͵ǡ͸͹

͵ͺǡͷͶ

ͷͳͳǡ͸͹

ʹͻͲ

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹

͵ͳͺʹǡʹͶͶ

͹͹ʹǡ͸͹

ͳͲʹʹͻǡͳͳ

͵͵͹͸ǡͻ͹

ʹͲͻǡ͵͹

ͳʹ͵ǡ͸͸

ͳ͸ǡ͸ͻ

ͳǡͻ͸

ʹ͹ͺǡͳʹ

ͳ͸ͺǡͳͻ

͵͸ǡʹͻ

Ͷ͹Ͳǡͻ͵

ƒ•‡

‘”Š‘Ž•‹

ͷ͵ͻ͸ǡ͸͵

ͳͳͲ͸ǡͺ͸

ͷͶͷͷǡͻ͸

ͳͺ͹ͺǡͶͻ

ͻͷ͹ǡ͸ͷ

ͳ͹ͻǡ͵ͷ

͹ǡͳͳ

͸ͻǡͷʹ

ͳ͹ͷǡ͹ͷ

ͺͺͶǡͺͶ

͵͵ǡ͵ͻ

͵ͳͻǡͷͷ

ƒrtości wskaźnika „okrzemkowo-bruzdnicowego” ™ ‘”‡•‹‡ ʹͲͳͳǦ2016 zostały

’”œ‡†•–ƒ™‹‘‡™–ƒ„‡Ž‹ʹǤͳǤͺͲǤƒŽ‹œƒ†ƒ› ŠœŽƒ–ʹͲͳͳǦʹͲͳ͸™–”œ‡ Š„ƒ†ƒ› Š’‘†ƒ™‡ƒ Š

wykazała, iż w latach 2015 i 2016 nie natrafiono na zakwit podczas poboru prób, ponieważ

zarówno suma biomasy okrzemek, jak i bruzdnic, w żadnej próbie w danym sezonie nie

przekroczyła granicznej wartości 1000µg l Ǧͳ. Podobnie w roku 2012, w Basenie Gdańskim oraz

™‡• Š‘†‹ƒ•‡‹‡ ‘–Žƒ†œ‹ǡ‹‡œƒ‘„•‡”™‘™ƒ‘™‹‘•‡‡‰‘œƒ™‹–—ȋ–ƒ„‡ŽƒʹǤͳǤ͹ͻȌǤ

Dane z tych lat nie zostały wzięte pod uwagę podczas wyliczania wskaźnika Dia/Dino dla

™‹‡Ž‘Ž‡ ‹ƒ ʹͲͳͳǦ2016. Średnie wartości wskaźnika Dia/Dino w okresie 2011ǦʹͲͳ͸ǡ œ

wyłączeniem trzech lat nie spełniających założeń, wyniosły dla Basenu Gdańskiego Ǧ Ͳǡ͹ͷǡ †Žƒ

• Š‘†‹‡‰‘ƒ•‡— ‘–Žƒ†œ‹‡‰‘ǦͲǡͻ͹‘”ƒœ†Žƒƒ•‡—‘”Š‘Ž•‹‡‰‘ǦͲǡͻͳǡ ‘™•ƒœ—Œ‡

na dobry stan środowiska – ȋ–ƒ„‡ŽƒʹǤͳǤͺͲ). Jedynie w 2014 r. w Basenie Gdańskim wartość

wskaźnika Dia/Dino znalazła się poniżej wyznaczonej wartości progowej (0,6) (–ƒ„‡ŽƒʹǤͳǤ͸ͷȌǡ ‘

wskazuje na zły stan środowiska w tym roku. 

ƒ„‡ŽƒʹǤͳǤͺͲǤ  ‡ƒ •–ƒ— •‹‡†Ž‹•ƒ ’‡Žƒ‰‹ œ‡‰‘ a podstawie wartości wskaźnika „okrzemkowobruzdnicowego”†Žƒ‘”‡•—ʹͲͳͳǦʹͲͳ͸™͵‘„•œƒ”ƒ Š‘ ‡›™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

ƒ•‡‘”Š‘Ž•‹

• Š‘†‹ƒ•‡

‘–Žƒ†œ‹

Basen Gdański

ʹͲͳͳ

ʹͲͳʹ

ʹͲͳ͵

ʹͲͳͶ

ʹͲͳͷ

ʹͲͳ͸

‹‡Ž‘Ž‡ ‹‡

ʹͲͳͳǦʹͲͳ͸

Ͳǡͻͻ

ȗ

ͲǡͻͶ

Ͳǡ͵ͳ

ȗ

ȗ

Ͳǡ͹ͷ

ͳ

Ͳǡͻͻ

Wartości wskaźnika „‘”œ‡‘™‘Ǧ„”—œ†‹ ‘™‡‰‘”

Ͳǡͻ͸

Ͳǡͻ͹

Ͳǡ͹͹

ȗ

ȗ

ȗ

Ͳǡͻ͹

Ͳǡͻͷ

ȗ

ȗ

Ͳǡͻ͵

Ͳǡͻ͹

ȗata wyłączone z łącznej oceny stanu siedlisk pelagicznych w okresie 2011Ǧ2016 ze względu na niespełnione

założenie o przekroczeniu mokrej masy okrzemek lub bruzdnic powyżej 1000 µg l ǦͳȀ„”ƒœƒ™‹–—Ǥ



–—ƒŽƒ‘ ‡ƒ•–ƒ—•‹‡†Ž‹•’‡Žƒ‰‹ œ› Šƒ’‘†•–ƒ™‹‡ˆ‹–‘’Žƒ–‘—œ™›‘”œ›•–ƒ‹‡

wskaźnika „okrzemkowo-bruzdnicowego” została wykonana w POM po raz pierwszy, więc nie

można się odnieść do oceny wstępnej (GIOŚ 2014). W Basenie Bornholmskim najwyższa mokra

masa obydwu grup glonów wyniosła 9842 µg l Ǧͳ ™ ʹ011 r. W tym obszarze każdego roku

przewagę w mokrej masie miały okrzemki. We Wschodnim Basenie Gotlandzkim maksymalną

wartość mokrej masy okrzemek oraz bruzdnic odnotowano w 2013 r. i wyniosła ‘ƒ11278 µg l

Ǧͳ. W latach, w których udało się natrafić na zakwit, w mokrej masie każdego roku przewagę miały

okrzemki, co potwierdza wynik wskaźnika Dia/Dino. W Basenie Gdańskim w 2014 r., kiedy wynik

wskaźnika wskazywał na stan środowiska poniżej dobrego, mokra masa okrzemek wyniosła 928

µg l Ǧͳǡƒ‘”ƒƒ•ƒ„”uzdnic aż 2050 µg lǦͳȋ–ƒ„‡ŽƒʹǤͳǤ͹ͻ). Dobry stan środowiska oznacza, że

zakwity fitoplanktonu występują z częstością i intensywnością zgodną z warunkami fizycznoǦ

chemicznymi specyficznymi dla danego typu wód bądź też może występować niewielki wzrost ich

częstości i intensywności (zgodnie z RDW). Rozwój fitoplanktonu podlega także bardzo silnym

wpływom warunków meteorologicznych (GIOŚ ʹͲͳͶȌǤ



Ocena na podstawie wskaźnika „Indeks zakwitów sinic”



Wskaźnik „Indeks zakwitów sinic”ȋ ʹͲͳ͹‰Ȍw ocenie krajowej w POM przyjęto z II

oceny holistycznej (HELCOM 2017a), w której został zastosowany na zasadzie testowania, dlatego

™›‹‹ ‘ ‡› można uznać za niejednoznaczne. Do opracowania parametru – „‹‘ƒ•ƒ †Žƒ

wskaźnika CyaBI wykorzystano dane pomiarowe z Estonii, Finlandii, Litwy, Łotwy, Niemiec,

Polski i Szwecji. Dane te zostały poddane analizie przez ekspertów grupy HELCOM PEG, przed

™›‘”œ›•–ƒ‹‡™”ƒƒ Š‘ ‡›•‹‡†Ž‹•’‡Žƒ‰‹ œ› ŠǤOcenę dla wskaźnika „ †‡•œƒ™‹–ów

•‹‹ ” ™  œƒ‹’Ž‡‡–‘™ƒ‘œ ’‹‡”™•œ‡Œ ™‡”•Œ‹ ”ƒ’‘”–— œ‹–‡‰”‘™ƒ‡Œ ‘ ‡› ‡—–”‘ˆ‹œƒ Œ‹

HELCOM HOLAS II, obejmującej okres 2011Ǧ2015 ze względu na okres (2011Ǧ2015), dla którego

był›możliwe do wykorzstania daneȋ ʹͲͳ͹‹ȌǤ

Žƒ–ƒ ŠʹͲͳͳǦ2015, stan środowiska m‘”•‹‡‰‘™‘ ‡‹ƒ› Š™‘„•œƒ”ƒ Š‘ ‡›ǣ

Basenie Bornholmskim, Wschodnim Basenie Gotlandzkim oraz Basenie Gdańskim na podstawie



ʹͻͳ

wskaźnika „Indeks zakwitów sinic” nie przekroczył ustalonych wartości progowych z basenów,

wskazując na stan poniżej dobrego–•—„ ȋ–ƒ„‡ŽƒʹǤͳǤͺͳȌǤ

ƒ„‡ŽƒʹǤͳǤͺͳǤ  ‡ƒ •–ƒ— •‹‡†Ž‹•ƒ ’‡Žƒ‰‹ œ‡‰‘ a podstawie wartości wskaźnika „Indeks zakwitów

sinic”†Žƒ‘”‡•—ʹͲͳͳǦʹͲͳͷ™͵‘„•œƒ”ƒ Š‘ ‡›™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

Wartość progowa GES

Ͳǡͺ͹

Wartości wskaźnika CyaBI w

™‹‡Ž‘Ž‡ ‹—ʹͲͳͳǦʹͲͳͷ

ͲǡͺͲ

Basen Gdański

Ͳǡͻͺ

Ͳǡͺ͵

ƒ•‡‘”Š‘Ž•‹

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ͲǡͺͶ

Ͳǡ͹͸



–—ƒŽƒ‘ ‡ƒ•–ƒ—•‹‡†Ž‹•’‡Žƒ‰‹ œych z wykorzystaniem wskaźnika „Indeks zakwitów

sinic”została wykonana w POM po raz pierwszy, więc nie można się odnieść do oceny wstępnej

ȋGIOŚ ʹͲͳͶȌǤ



Ocena na podstawie wskaźnika „Chlorofil-a”

 ‡ę krajową w oparciu o wskaźnik „Chlorofil-a”, uwzględniającą dane PMŚ zebrane w

‘”‡•‹‡ ‘ ‡› ȋŽƒ–ƒ ʹͲͳͳǦ2016), wykonano dla wszystkich (22) obszarów oceny w POM,

obejmujących zarówno wody otwarte, jak i przejściowe i przybrzeżne (–ƒ„‡ŽƒʹǤͳǤͺʹȌǤ



ƒ„‡ŽƒʹǤͳǤͺʹǤ Stacje, z których uzyskano niezbędne dane o chlorofiluǦƒ™›‘”œ›•–ƒ‡™’”œ‡’”‘™ƒ†œ‡‹—

oceny stanu środowiska w POM za pomocą wskaźnika „Chlorofil-a”œƒ‘”‡•ʹͲͳͳǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

ƒ•‡‘”Š‘Ž•‹

Basen Gdański

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

Zalew Kamieński

Zalew Szczeciński

Zalew Wiślany

–ƒ Œƒ

ͳ͵ǡͳͷǡ͸ǡͳ͸ǡͷǡ͵ͻǡ

͵ǡͳͶǡ͵

ͳǡͳͳͲǡͳͳ͸ǡǡͶ

Ł7, Z, R4, P2, P63, ͳͶͲ

ǡ

ǡǡ ǡ ǡ ǡʹǡ

ͳǡʹǡ͵ǡͷǡ͸ǡͺǡͳͲǡʹǡͷǡ

Zatoka Pucka Zewnętrzna

Zatoka Gdańska Wewnętrzna

ͳǡͳͳǡͳʹǡͳͶ

ͳͲͶǡ ǡͳ͸ǡͳͺ

ƒŽ‡™— ‹

Ujście Dziwny

Ujście Wisły Przekop

Ujście Świny

Półwysep Hel

Mierzeja Wiślana

Port Władysławowo

ƒ”„‹‘™‘Ǧœ‹™ƒ

‘™›ǦJarosławiec Zachód

‘™›ǦJarosławiec Wschód

Jastrzębia GóraǦ‘™›

WładysławowoǦJastrzębia Góra

œ‹™ƒǦŚwina

JarosławiecǦƒ”„‹‘™‘

͸ǡ͸ƒǡ͹ǡͳͲǡ͸



͵

 ǡǡ 

ͳ͹ǡͳͺ

ͳͻ

ͳ͸

͵ǡͶǡͷ

ͺ

ͻǡͳͳ

ͳʹǡͳ͵ƒ

ͳͷǡͳͷƒ

ͳǡʹ

͸ǡ͹

›’‘‹–‘”‹‰—

 

 

 





RDW z wyjątkiem st. KW Ǧ 

 

RDW z wyjątkiem st. ZP6 Ǧ 

 



RDW z wyjątkiem st. P104 Ǧ 

 





























 ƒ–—ƒŽ› ›Ž— ‘ ‡› ȋŽƒ–ƒ ʹͲͳͳǦʹͲͳ͸Ȍ stan środowiska morskiego praktycznie

wszystkich ocenianych obszarów w obrębie POM nie spełnił warunków dobrego stanu

środowiska w odniesieniu do zawartości chlorofiluǦƒ™‘”‡•‹‡Ž‡–‹Ž—„ƒ’”œ‡•–”œ‡‹”‘—™

’”œ›’ƒ†— ƒŽ‡™— Wiślanego, ƒŽ‡™— œ œ‡ ‹ńskiego oraz ƒŽ‡™— Kamieńskiego. Jedynym



ʹͻʹ

wyjątkiem jest część wód przejściowych – Zewnętrzna Zatoka Pucka, gdzie stwierdzono

osiągnięcie wartości progowej i określono stan dobry – ȋ–ƒ„‡ŽƒʹǤͳǤͺ͵ȌǤ

Szczegółowa ocena stanu środowiska morskiego w POM pod względem zawartości

ŠŽ‘”‘ˆ‹Ž—Ǧa została przedstawiona w ocenie cechy ͷ – ‡—–”‘ˆ‹œƒ Œƒ ȋ‘ ‡ƒ Ǧ ‡ Šƒ ͷ Ǧ

—–”‘ˆ‹œƒ ŒƒȌǤ

ƒ„‡ŽƒʹǤͳǤͺ͵Ǥ  ‡ƒ •–ƒ— •‹‡†Ž‹•ƒ ’‡Žƒ‰‹ œ‡‰‘ a podstawie wartości wskaźnika „Chlorofil-a” †Žƒ

‘”‡•—ʹͲͳͳǦʹͲͳ͸™ʹʹ‘„•œƒ”ƒ Š‘ ‡›™ȋ ǡ•—„ ȌǤ

„•œƒ”‘ ‡›

Wartość progowa

• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹

ͳǡͻ

Basen Gdański

ƒ•‡‘”Š‘Ž•‹

ʹǡʹ

Wartość wskaźnika „Chlorofil-a”[µg

†Ǧ͵Ȑ™™‹‡Ž‘Ž‡ ‹—ʹͲͳͳǦʹͲͳ͸

ͶǡͲͻ

ͳǡͺ

͵ǡͳͶ

ʹǡ͹͸

Zalew Kamieński

ʹͲǡͲͲ

ʹͺǡͳͳ

ƒŽ‡™Wiślany

ʹ͵ǡʹͲ

ͷ͹ǡʹͺ

Zalew Szczeciński

ƒŽ‡™— ‹

Zatoka Pucka Zewnętrzna

Zatoka Gdańska Wewnętrzna

Ujście Dziwny

Ujście Wisły Przekop

Ujście Świny

Mierzeja Wiślana

Półwysep Hel

‘”–Władysławowo

WładysławowoǦJastrzębia Góra

Jastrzębia GóraǦ‘™›

‘™›ǦJarosławiec Zachód

‘™›ǦJarosławiec Wschód

JarosławiecǦƒ”„‹‘™‘

ƒ”„‹‘™‘Ǧœ‹™ƒ

œ‹™ƒǦŚwina

ʹͲǡͲͲ

ʹǡͲͲ

͵ǡ͹͸

͵ǡ͹͸

͵ͳǡͺ͹

͸ǡ͸͹

͵ǡ͸͹

Ͷǡʹͷ

͵ǡͺͲ

ͳͲǡ͵ʹ

͹ǡͷͲ

ͳͳǡͲͻ

ͷǡͷͲ

͵ǡͳͷ

ͳǡͻͲ

ͳǡͻͲ

ͳǡͻͲ

ͳǡͻͲ

ͳǡͻͲ

ͳǡͻͲ

ͳǡͻͲ

ͳǡͻͲ

͵ǡͳͷ

ͳͲǡ͹͵

͸ǡͺͷ

͵ǡͳͳ

͸ǡͺͷ

Ͷǡͷͺ

ͷǡͺ͸

Ͷǡͺ͵

ͷǡ͸͵

͵ǡͷ͹

Ͷǡͳ͹

͸ǡ͸͵



Bezpośrednie porównanie wyników bieżącej oceny stanu środowiska morskiego za lata

ʹͲͳͳǦ2016 akwenów pełnomorskich (Basen Bornholmski, Wschodni Basen Gotlandzki, Basen

Gdański) pod względem zawartości chlorofiluǦƒ œ ™›‹ƒ‹ ’‘’”œ‡†‹‡‰‘ ›Ž— ‘ ‡› ȋGIOŚ

ʹ014) jest niemożliwe, ponieważ w obu ocenach zastosowano różne metody. W poprzedniej

ocenie klasyfikację stanu środowiska przeprowadzono w systemie 5 klas jakości, odnosząc

aktualną wartość wskaźnika do krajowej wartości referencyjnej (ŁysiakǦƒ•–—•œƒ ‹ ‹Ǥ ʹͲͲͻȌǡ

przy czym dobry stan środowiska określano również na podstawie krajowych wartości

’”‘‰‘™› Šȋƒ•‡‘”Š‘Ž•‹–= 1,80 µg dmǦ͵ǡ• Š‘†‹ƒ•‡ ‘–Žƒ†œ‹–αͳǡͷͶ

µg dmǦ͵, Basen Gdański –= 2,64 µg dmǦ͵). Z kolei w bieżącej oceni‡ǡ•–ƒƒ–—ƒŽ›‘†‘•œ‘‘

do wartości progowych uzgodnionych dla poszczególnych obszarów oceny (–ƒ„‡Žƒ ʹǤͳǤͳȌ ƒ

podstawie wyników projektu HELCOM TARGREV (HELCOM 2013e) w ramach międzynarodowej

współpracy HELCOM, zaakceptowanych przez grupę HELCOM Heads of Delegation w 2012 r.

Niezależnie od zastosowanych mniej lub bardziej restrykcyjnych wartości progowych w obu



ʹͻ͵

›Žƒ Š‘ ‡›—œ›•ƒ‘‡‰ƒ–›™‡™›‹‹Ǥ„•œƒ”›‘–™ƒ”–ego morza znajdujące się w obrębie

POM (Basen Bornholmski, Wschodni Basen Gotlandzki, Basen Gdański) w okresie 2011ǦʹͲͳ͸

wykazują nadal stan poniżej dobrego (subGES) w odniesieniu do zawartości chlorofiluǦƒ ™

‘”‡•‹‡Ž‡–‹Ǥ

W odniesieniu do wód przejściowych i przybrzeżnych nie można dokonać porównania

oceny wskaźnika „Chlorofil-a” œ ’‘’”œ‡†‹ ›Ž‡ ‘ ‡› ȋGIOŚ 2014), ponieważ wówczas

obszary te zostały ocenione w ramach akwenów 38 i 62 –œƒ‰”‡‰‘™ƒ‡Œ‡†‘•–‹‘ ‡›ǡ

które obejmowały wody przybrzeżne basenów Bałtyku Właściwego i Basenu Bornholmskiego.

Ocena zintegrowana siedlisk pelagicznych

–ƒ•‹‡†Ž‹•’‡Žƒ‰‹ œ› Š™™”ƒƒ Š‘ ‡›™‹‡Ž‘Ž‡–‹‡ŒʹͲͳͳǦʹͲͳ͸’”œ‡†•–ƒ™‹‘‘

™ ’‘†œ‹ƒŽ‡ ƒ wskazane poniżej 2 różne rodzaje siedlisk, zgodnie z metodą oceny i †ecyzją

ʹͲͳ͹ȀͺͶͺǤ

ͳǤ cena stanu siedliska pelagicznego wód otwartych w 3 obszarach oceny w POM, w

których zastosowano zintegrowaną ocenę między wskaźnikami: MSTS, Dia/Dino, CyaBI i

ŠŽ‘”‘ˆ‹ŽǦa (Basen Gdański) i zintegrowaną ocenę między wskaźnikami: Dia/Dino, CyaBI i

ŠŽ‘”‘ˆ‹ŽǦƒ ȋ• Š‘†‹ ƒ•‡ ‘–Žƒ†œ‹ ‘”ƒœ ƒ•‡ ‘”Š‘Ž•‹Ȍ ȋ–ƒ„‡Žƒ ʹǤͳǤͺͷ), a następnie

użyto klasyfikacji wyniku oceny –™”ƒƒ h „zintegrowanej oceny bioróżnorodności” (–ƒ„‡Žƒ

ʹǤͳǤ͹ͶȌǤ  ƒ„‡Žƒ ʹǤͳǤͺͶ ’”œ‡†•–ƒ™‹‘‘ œƒ•–‘•‘™ƒ‹‡ ‘”ƒŽ‹œƒ Œ‹ wskaźnika „Chlorofil-a”ǡ

natomiast zintegrowaną ocenę stanu siedliska pelagicznego przedstawiono w –ƒ„‡Ž‹ʹǤͳǤͺͷǤ

ƒ„‡ŽƒʹǤͳǤͺͶǤ ‡•–ƒ™‹‡‹‡ †ƒ› Š †‘–yczących wskaźnika „Chlorofil-a” z basenów otwartego morza

™›‘”œ›•–ƒ› Š†‘Œ‡‰‘‘”ƒŽ‹œƒ Œ‹Ǥ

„•œƒ”‘ ‡› Obs (średnia

œŽƒ–ʹͲͳͳǦ

ʹͲͳ͸Ȍ



ƒ•‡

͵ǡͳͶ

‘”Š‘Ž•‹

ƒ•‡

ͶǡͲͻ

Gdański

• Š‘†‹

ʹǡ͹͸

ƒ•‡

‘–Žƒ†œ‹

Wartość

’”‘‰‘™ƒ

[µg dmǦ͵Ȑ

‹

[µg dmǦ͵Ȑ

ƒš

[µg dmǦ͵Ȑ

ͳǡͺͲ

ʹǡʹͲ

ʹǡʹͳ

ͳǡͻͲ

ʹǡ͹Ͷ

ͶǡͲͻ

ͳǡ͹͸

͵ǡ͹Ͷ

ͷǡͻͳ



(wartość

œ‘ƒŽ‹œ‘™ƒƒȌ



Ͳǡʹͻ͹

ͳǡ͹ͷ

Ͳǡ͵ͲͶ

ͳǡͶ͸

Ͳǡʹͷ͸

ͳǡͺ͸



œ›•ane wartości BQR dla wskaźnika „Chlorofil-a” są spójne z wartościami

współczynników eutrofizacji (ER). Najniższemu ER, wskazującemu na stan najbliższy dobrego

stanu środowiska, odpowiada najwyższy BQR (najbardziej zbliżony do granicy BQR=0,6) –•–ƒ

środowiska scharakteryzowany we Wschodnim Basenie Gotlandzkim. Natomiast najwyższej

wartości ER odpowiada najniższa wartość BQR – obie opisujące stan najbardziej oddalony od

granicy dobrego stanu środowiska w Basenie Gdańskim.

ƒ„‡ŽƒʹǤͳǤͺͷǤ ‹–‡‰”‘™ƒƒ ‘ ‡na stanu siedlisk pelagicznych z uwzględnieniem wskaźnikówǣ ǡ

‹ƒȀ‹‘ǡ›ƒ ǡŠŽǦƒ™‘”‡•‹‡ʹͲͳͳǦʹͲͳ͸Ǥ

„•œƒ”‘ ‡›

Wskaźnik

Basen Gdański



‹ƒȀ‹‘

›ƒ 

ŠŽǦƒ

‹ƒȀ‹‘

›ƒ 

ŠŽǦƒ

‹ƒȀ‹‘

• Š‘†‹

ƒ•‡

‘–Žƒ†œ‹



Wartość

œ‘”ƒŽ‹œ‘™ƒƒ

wskaźnika dla lat

ʹͲͳͳǦʹͲͳ͸

Ͳǡ͸͸

Ͳǡ͹ͷ

ͲǡͷͲ

Ͳǡʹ͸

Ͳǡͻ͹

ͲǡͷͶ

Ͳǡ͵Ͳ

Ͳǡͻ͵

ʹͻͶ

ƒ‰ƒ

wskaźnika



 ‡ƒ

Ͳǡ͵

Ͳǡ͵

Ͳǡͳ

Ͳǡ͵

ͲǡͶ

Ͳǡʹ

ͲǡͶ

ͲǡͶ

Ͳǡͷͷ

•—„ 

Ͳǡ͸ʹ



Ͳǡ͸Ͳ



ƒ•‡

‘”Š‘Ž•‹

– 304 –

›ƒ 

ŠŽǦƒ

Ͳǡͷͷ

Ͳǡ͵Ͳ

Poz. 230

Ͳǡʹ

ͲǡͶ



 ‡ƒ •‹‡†Ž‹•ƒ pelagicznego wód otwartego morza wykazała, że w latach 2011ǦʹͲͳ͸

Wschodni Basen Gotlandzki i Basen Bornholmski prezentowały stan dobry – ǡƒ–‘‹ƒ•–ƒ•‡

Gdański –stan poniżej dobrego –•—„ ȋ”›•ǤʹǤͳǤͺ͹ȌǤ

ʹǤ cena stanu siedliska pelagicznego w wodach przejściowych i przybrzeżnych w 19

jednolitych częściach wód w POM, w których zastosowano klasyfikację wyniku oceny zgodną z

wartościami progowymi dla wskaźnika „Chlorofil-a”ȋ–ƒ„‡ŽƒʹǤͳǤ͹ͷȌǤ

Prawie wszystkie podakweny (18) w wodach przejściowych i przybrzeżnych prezentowały

stan poniżej dobrego –•—„ z wyjątkiem Zatoki Puckiej Zewnętrznej, gdzie zaobserwowano

dobry stan środowiska (”›•ǤʹǤͳǤͺ͹ȌǤ



›•ǤʹǤͳǤͺ͹Ǥ ‹–‡‰”‘™ƒƒ‘ ‡ƒ•–ƒ—•‹‡†Ž‹•’‡Žƒ‰‹ œ› Š†Žƒ™‹‡Ž‘Ž‡ ‹ƒʹͲͳͳǦʹͲͳ͸™(źródło

danych PMŚ)Ǥ

”œ› ‘„•œƒ”› ‘ ‡› ™ ǡ ™ –› ʹ „ƒ•‡› ‘–™ƒ”–‡‰‘ ‘”œƒǣ ƒ•‡ ‘”Š‘Ž•‹ ‘”ƒœ

Wschodni Basen Gotlandzi, a także Zatoka Pucka Zewnętrzna, stanowiące 87% powierzcŠ‹ǡ

prezentowały stan dobry –GES, natomiast w pozostałych obszarach oceny włącznie z Basenem

Gdańskim (13% powierzchni POM) zaobserwowano stan środowiska poniżej dobrego (subGES)

ȋ”›•ǤʹǤͳǤͺͺȌǤ



ʹͻͷ