The reserve on Chełmowa Góra in the Świętokrzyski National Park is the oldest in Poland where the Polish larch, Larix decidua subsp. polonica, is protected. In order to preserve forest stands that include the Polish larch, it is necessary to implement detailed and time−efficient monitoring of its condition. The objective of the study was to assess the dynamics of health (defoliation) and vitality of the Polish larch from 2010 to 2020 and to compare the results of these analyses obtained using both permanent sample trees (PST) and temporary sample trees (TST). The PST and TST larch trees were selected at random using a simple random sampling without replacement (SRSWOR) scheme for middle− and old−generation larches aged approximately from 70 to 150 years and older than 150 years, respectively, and according to a two−stage sampling scheme (with SRSWOR at both stages) (2SS: I−SRSWOR, II−SRSWOR) for the young−generation larches aged approximately from 20 to 30 years. The study noted a general improvement in health and vitality of the larch populations over the study period. In the years 2010−2015, the condition of larches was lower than in the years 2018−2020, which may be linked to environmental changes or conservation efforts. The estimation errors for the proportions of larches in the distinguished degrees of damage and vitality classes for middle− and old−generation ranged from 2.45% to 5.54% for PST and from 3.33% to 9.20% for TST, while for young−generation, they ranged from 2.58% to 7.12% for PST and from 3.20% to 7.58% for TST. The comparison between PST and TST revealed slightly lower error estimates for PST, suggesting its advantages in long−term ecological monitoring. However, the results showed no statistically significant differences between the two methodologies, demonstrating their effectiveness in assessing forest conditions in dynamic environments. These findings highlight the importance of continuous, adaptable monitoring strategies in forest management and conservation, especially under the impact of climate change and other ecological factors.

Agresti, A., 2013. Categorial data analysis. New York: Wiley, 714 pp. DOI: https://doi.org/10.1007/s00362-015-0733-8. Andrzejczyk, T., Bolibok, L., Drozdowski, S., Szeligowski, H., 2011. Sposób powstawania, struktura i produkcyjność drzewostanów bukowo-modrzewiowych w Polsce. (Polish beech-larch stands: Their structure, productivity and processes of generation). Leśne Prace Badawcze / Forest Research Papers, 72 (4): 301-310. DOI: https://doi.org/10.2478/v10111-011-0030-9. Bałut, S., 1962. Zmienność niektórych cech w populacjach modrzewia z Gór Świętokrzyskich, Beskidów i Sudetów jako podstawa wyróżniania gospodarczo cennych ekotypów. (The variability of some traits in populations of larch from the Świętokrzyskie Mountains, Beskids, and Sudetes as a basis for distinguishing economically valuable ecotypes). Acta Agraria et Silvestria, ser. Silvestris, 2: 3-43. Bivand, R., Hauke, J., Kossowski, T., 2013. Computing the Jacobian in Gaussian spatial autoregressive models: An illustrated comparison of available methods. Geographical Analysis, 45 (2): 150-179. DOI: https://doi.org/10.1111/gean.12008. Boratyński, A., 1986. Systematyka i geograficzne rozmieszczenie. (Systematics and geographical distribution). In: S Białobok, ed. Modrzewie Larix Mill. Warszawa: Państwowe Wydawnictwo Naukowe, pp. 63-108. Borecki, T., Keczyński, A., 1992. Atlas ubytku aparatu asymilacyjnego drzew leśnych. Warszawa: Agencja ATUT, 48 pp. Bracha, C., 1996. Teoretyczne podstawy metody reprezentacyjnej. Warszawa: Państwowe Wydawnictwo Naukowe, 283 pp. Bruchwald, A., 2000a. Wielkopowierzchniowa metoda określania miąższości obiektu leśnego oparta na losowaniu warstwowym. (A large-scale method for identifying volume of forest object as based on layer random sampling). Sylwan, 144 (3): 5-17. Bruchwald, A., 2000b. Weryfikacja wielkopowierzchniowej metody określania miąższości obiektu leśnego opartej na losowaniu warstwowym. (Verification of a large-area method for defining the volume of forest object as based on layer random sampling). Sylwan, 144 (6): 5-14. Bruchwald, A., Wójcik, R., Zajączkowski, S., 2003. Analiza dokładności obrębowej metody inwentaryzacji lasu opartej na losowaniu warstwowym. (The accuracy of a novel forest inventory method based on stratified sampling). Sylwan, 147 (5): 13-20. DOI: https://doi.org/10.26202/sylwan.2003957. Bruchwald, A., Zajączkowski, S., 2002. Obrębowa metoda inwentaryzacji lasu oparta na losowaniu warstwowym. (A novel method of forest inventory based on stratified sampling). Sylwan, 146 (10): 13-23. Ciołkosz, A., 1991. SINUS – System informacji o środowisku przyrodniczym. In: S. Mazur, ed. Ekologiczne podstawy gospodarowania środowiskiem przyrodniczym. Wizje – problemy – trudności. Warszawa: Wydawnictwo SGGW, pp. 317-328. Dormann, C.F., McPherson, J.M., Araújo, M.B., Bivand, R., Bolliger, J., Carl, G., Davies, R.G., (...), Wilson, R., 2007. Methods to account for spatial autocorrelation in the analysis of species distributional data: A review. Ecography, 30 (5): 609-628. DOI: https://doi.org/10.1111/j.2007.0906-7590.05171.x. Dunikowski, S., 1985. Stosunki termiczno-opadowe Łysogór Świętokrzyskiego Parku Narodowego. Rocznik Święto-krzyski, 12: 71-81. Jaworski, A., 1982. Fir regression in Polish mountain areas. European Journal of Forest Pathology, 12 (3): 143-149. DOI: https://doi.org/10.1111/j.1439-0329.1982.tb01387.x. Jaworski, A., Podlaski, R., Sajkiewicz, P., 1988. Kształtowanie się zależności między żywotnością i cechami biomor-fologicznymi korony a szerokością słojów rocznych u jodeł. (The pattern of dependence between the vitality and biomorphological traits of the crown and the width of annual rings in fir). Acta Agraria et Silvestria ser. Silvestris, 27: 63-84. Kowalkowski, A., 2000. Gleby. In: S. Cieśliński, A. Kowalkowski, eds. Świętokrzyski Park Narodowy. Przyroda, gospodarka, kultura. Bodzentyn, Kraków: Świętokrzyski Park Narodowy, pp. 169-196. Köhl, M., Scott, C.T., Lister, A.J., Demon, I., Plugge, D., 2015. Avoiding treatment bias of REDD+ monitoring by sampling with partial replacement. Carbon Balance and Management, 10 (1): 11. DOI: https://doi.org/10.1186/s13021-015-0020-y. Olszewski, J.L., Szałach, G., Żarnowiecki, G., 2000. Klimat. In: S. Cieśliński, A. Kowalkowski, eds. Świętokrzyski Park Narodowy. Przyroda, gospodarka, kultura. Bodzentyn, Kraków: Świętokrzyski Park Narodowy, pp. 129-145. Ostenfeld, C.E.H., Syrach Larsen, C., 1930. The species of the genus Larix and their geographic distribution. Det Kongelige Danske Videnskapers Selskap., Biologiske Meddelelser, 9: 1-107. Pebesma, E., 2018. Simple features for R: Standardized support for spatial vector data. The R Journal, 10 (1): 439-446. DOI: https://doi.org/10.32614/RJ-2018-009. Podlaski, R., 2001. Przestrzenny rozkład żywotności wybranych gatunków drzew na Chełmowej Górze w Święto-krzyskim Parku Narodowym. (Spatial distribution of the vitality of some tree species of Chełmowa Mount in the Świętokrzyski National Park). Sylwan, 145 (10): 93-101. Podlaski, R., 2003. Stopień uszkodzenia wybranych gatunków drzew na Chełmowej Górze w Świętokrzyskim Parku Narodowym. (Degree of damage of some tree species on Chełmowa Hill in the Świętokrzyski National Park). Rocznik Świętokrzyski, Ser. B – Nauki Przyrodnicze, 29: 151-161. Podlaski, R., 2005. Inventory of the degree of tree defoliation in small areas. Forest Ecology and Management, 215 (1-3): 361-377. DOI: https://doi.org/10.1016/j.foreco.2005.05.026. PTG, 2019. Systematyka gleb Polski. Polskie Towarzystwo Gleboznawcze, Komisja Genezy Klasyfikacji i Kartografii Gleb. Wrocław: Wydawnictwo Uniwersytetu Przyrodniczego, Wrocław-Warszawa: Polskie Towarzystwo Gleboznawcze. Available from: http://www.ejpau.media.pl/PDFy/systematyka-gleb-polski-wyd%206.pdf [accessed: 15.10.2023]. R Core Team, 2023. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing. Available from: https://www.R-project.org/ [accessed: 15.10.2023]. Schroeder, T.A., Healey, S.P., Moisen, G.G., Frescino, T.S., Cohen, W.B., Huang, C., Kennedy, R.E., Yang, Z., 2014. Improving estimates of forest disturbance by combining observations from landsat time series with U.S. Forest Service Forest Inventory and Analysis data. Remote Sensing of Environment, 154 (1): 61-73. DOI: https://doi.org/10.1016/j.rse.2014.08.005. Sperandii, M.G., de Bello, F., Valencia, E., Götzenberger, L., Bazzichetto, M., Galland, T., E-Vojtkó, A., (...), Lepš, J., 2022. LOTVS: A global collection of permanent vegetation plots. Journal of Vegetation Science, 33 (2): e13115. DOI: https://doi.org/10.1111/jvs.13115. Spiecker, H., Mielikäinen, K., Köhl, M., Skovsgaard, J.P., 1997. Conclusions and summary. In: H. Spiecker, K. Mielikäinen, M. Köhl, J.P. Skovsgaard, eds. Growth trends in European forests. Berlin: Springer, pp. 369-372. DOI: https://doi.org/10.1007/978-3-642-61178-0_25. Szafer, W., 1913. Przyczynek do znajomości modrzewi euroazjatyckich ze szczególnym uwzględnieniem modrzewia w Polsce. Kosmos, 38: 1281-1322. Thompson, S.K., 2012. Sampling. New York: Wiley, 472 pp. DOI: https://doi.org/10.1002/9781118162934. WRB, 2022. World Reference Base for Soil Resources. International soil classification system for naming soils and creating legends for soil maps. Vienna: International Union of Soil Sciences (IUSS). Available from: https://www.isric.org/sites/default/files/WRB_fourth_edition_2022-12-18.pdf [accessed: 15.10.2023].