Modellering av bottensubstrat, arter och ekologiska samhällen med data från Lidar
|
|
- Maj Lindqvist
- för 7 år sedan
- Visningar:
Transkript
1 Modellering av bottensubstrat, arter och ekologiska samhällen med data från Lidar Sofia A. Wikström, Karl Florén & Martin Isæus AquaBiota Water Research Maj
2 1. BAKGRUND Rumslig modellering har växt fram som en viktig metod för att ta fram heltäckande kartor över utbredningen av arter och habitat på havsbottnen. Rumslig statistisk modellering har visat sig vara ett kostnadseffektivt sätt att ta fram finskaliga utbredningskartor för marina habitat och arter över stora geografiska områden (t.ex. Dinesen 2008, Naturvårdsverket 2009). En viktig slutsats från tidigare arbeten är att bra underlagsdata är centralt för att kunna ta fram utbrednings kartor med hög kvalitet. Tyvärr saknas i stor utsträckning bra underlag för viktiga miljöfaktorer som djup och bottensubstrat, speciellt i grunda områden som är av stort intresse för naturvården, vilket ofta är det som sätter begränsningen för kartornas kvalitet. Laser i kombination med flygbilder tillför en helt ny möjlighet för modellering av artutbredningar och habitat i grunda miljöer. Först och främst tillförs en högupplöst beskrivning av djupförhållanden för en miljö som är svår, ibland omöjlig att mäta upp med båtburna mätmetoder. Djupet är den enskilt viktigaste prediktorn vid modellering av grunda bottnars organismer (Isæus m.fl. 2007, Bekkeby & Isæus 2008). Många arter har en djuputbredning som begränsar sig till vissa djupintervall. Djupet kan därmed förväntas ha stor betydelse för att förutsäga utbredningen av marina arter. Djupets betydelse beror på att en rad faktorer som har en direkt påverkan på bottenlevande organismer samvarierar med djupet, exempelvis ljusinstrålning, vågpåverkan, bottentemperatur och salthalt. Även ytsubstratet påverkas indirekt av djupet, eftersom vågpåverkan avtar med djupet.förutom själva djupet kan en batymetrisk karta användas för att ta fram andra faktorer som styr utbredningen av arter, exempelvis bottnens lutning, lutningsriktning, ljusexponering och kurvatur. Lutningen kan vara en viktig faktor för att få fram mjukbottnar (och mjukbottensanknutna arter), 1 som är vanligast där lutningen är låg. Lutningsriktningen fångar upp eventuella skillnader mellan nord- och sydsidan av öar eller skär och mellan skyddade och exponerade sidor om vågexponeringen huvudsakligen kommer från en riktning. Kurvaturen plockar fram höjder (ofta erosionsbottnar) och sänkor (ackumulationsbottnar). Dessutom kan laserdata även ge en bild av bottnens beskaffenhet av grunda miljöer. Detta är fortfarande ett forskningsområde, men det finns studier som visar att vågformsdata från lasermätningar kan användas för att skilja ut sjögräs från sand och alger (Wang & Philipot 2007, Tulldahl m.fl. 2008). Det finns också en potential att kartera förekomst av stenar och block. Detta är ett annat viktigt underlag som vi vet kommer att förbättra modellerandet då substratet också tillhör de viktigaste strukturerande faktorerna för bottenlevande organismer. Målet med denna del av ULTRA-projektet är att utvärdera vad hur mycket lidardata kan tillföra för rumslig modellering av arter, samhällen och bottensubstrat och för framtagandet av kartor över naturvärden i på grunda bottnar.
3 2. METOD 2.1 Underlagsdata Djup Vi har använt tre olika typer av djupunderlag, vilka beskrivs nedan. För att kunna använda olika typer av djupinformation för analyser och beräkningar gjordes samtlig information om till rasterformat i 10x10 m upplösning. Sjökortsbatymetri och lidar fanns tillgängligt i både Sävar och Rönnskär medan digitaliserad djupinformation endast fanns att tillgå i Sävar. Sjökortsbatymetri Sjökortet gjordes om till en batymetrisk karta genom att först omvandla djupkurvorna (3, 6, 10, 20 respektive 40 m samt strandlinjen) till en TIN-fil (Triangular Irregular Network). TIN-filen omvandlades sedan till en rasterfil för användning i modelleringen. Detta är den bästa tillgängliga metoden att omvandla sjökort till ett djupunderlag för modellering. Problemet är att metoden kan ge stora områden med djupvärde noll, i synnerhet inne i vikar och i sund mellan öar (Figur 1). Djupdata från Sjöfartsverkets digitala databas (endast i Sävar) Sjöfartsverket har ett omfattande arkiv av analoga djupdata från svenska havsområden som samlats in med olika tekniker och noggrannhet från slutet av 1800-talet och fram till 1982, då man övergick till att samla in digitala data. På uppdrag av Naturvårdsverket genomför Sjöfartsverket digitalisering av dessa djupdata, för att bygga upp en digital djupdatabas som kan användas exempelvis för biologisk kartering. På grund av ULTRAprojektet är Sävar ett av de områden som prioriterats i detta arbete. Vi har därför haft tillgång till ett djupdataunderlag som är mer detaljerat än sjökortet för detta område. Digitalisering av gammal djupinformation gav ett punktnät som täcker hela området, där avståndet mellan punkterna oftast var mellan 50 och 100 meter. 2 Figur 1. Batymetrisk karta över Sävarfjärden framtagen från sjökort. Vita områden inom rektangeln visar områden med djupvärde noll. För att få fram ett heltäckande djupskikt i rasterformat interpolerades värden för områden mellan punkterna fram med metoden kriging. Lidarbatymetri Vi har använt DTM-data levererat av BLOM, dvs. data griddat till 2x2 m-rutor. De levererade punktfilerna gjordes om till ett raster med 10x10 m upplösning. Om flera punkter förekom inom samma 10x10 m ruta fick denna ett medelvärde av dessa. För Sävar tog vi fram ett heltäckande djupskikt där de delar som saknade djupinformation från lidar istället fick ett djupvärde från djupskiktet framtaget från digitaliserade djupdata (Figur 2). Detta gjorde dels att vi kunde använda allt inventeringsdata för modelleringen (inte bara data från områden som täcktes av lidarmät-
4 ningar) och dels att vi kunde ta fram en heltäckande prediktionskarta. Det är dock viktigt att notera att noggrannheten i de heltäckande kartorna varierar beroende på om den underliggande batymetrin kommer från lidar eller digitaliserade djupmätningar. I Rönnskär, där vi bara har tillgång till den grova sjökortsbatymetrin, gjordes prediktionerna bara i de områden som täcks av lidardata Djupderivat Utifrån lidarbatymetrin och digitaliserade djupdata tog vi fram ett antal djupderivat som också användes för modelleringen. En detaljerad och bra djupkarta är en förutsättning för att dessa derivat ska bli användbara, eftersom de är väldigt känsliga för både upplösning och direkta fel i djupkartan. Djupet som var baserat på sjökortsinformation kunde därför inte användas. Lutning beräknas genom att använda skillnaden i djup från en ruta i rastret till nästa, och anges i grader där noll grader betecknar en helt vågrät yta och 90 grader en lodrät yta. Lutningsriktning bygger på lutning och visar åt vilket väderstreck det lutar. Lutningsriktning anges i grader där 0/360 grader betecknar lutning mot norr och 180 mot söder. Ljusexponering är en typ av solinstrålningsindex och beräknas utifrån både lutning och lutningsriktning samt solens vinkel i olika väderstreck. Plana ytor får ett värde omkring noll, ytor som lutar åt norr får negativa värden och ytor mot söder får positiva värden. Modellen inkluderar inget avtagande med djupet utan kombineras med djupvariabeln i modelleringen. Kurvatur är en beskrivning av hur djupet för varje punkt i kartan förhåller sig till medeldjupet inom en radie på 100 m, och ger en bild av relativa höjder och sänkor. I Sävar användes djupderivat från digitaliserat djupdata för att fylla igen luckor i djupderivatskikten uträknade från lidarbatymetrin. Figur 2. Batymetrisk karta över Sävarfjärden framtagen från lidar i kombination med digitaliserade djupmätningar Bottenhabitat från lidarvågformsdata Inom ULTRA har FOI tagit fram bottenhabitatkartor utifrån vågformsdata från lidarmätningarna. Vi har använt de tre levererade sannolikhetsskikten (som vart och ett visar sannolikheten för förekomst av en habitatklass) och testat att inkludera dessa i modellerna Vågexponering Med vågexponering avses det rumsliga mönster av graden av vågverkan som strukturerar strandzonens artsammansättning (Lewis 1964). Eftersom vågaktiviteten hela tiden varierar är graden av vågexponering svår att mäta i fält, och uppskattas därför normalt med en beräkningsmetod. Det finns ett flertal kartografiska metoder att välja på, var och en har sina för- och nackdelar. I detta arbete har metoden Simplified Wave Model (SWM, Isæus 2004) använts. Den kallas simplified 3
5 (förenklad) eftersom den inte tar hänsyn till hur grundområden påverkar vågornas egenskaper. Till dess fördelar hör att den kan användas i hög upplösning och att den ger en ekologiskt relevant bild av vågexponeringsmönster i skärgårdsområden, vilket visats i en rad vetenskapliga studier (t.ex. Eriksson m.fl. 2004, Bekkby m.fl. 2008, Sandman m.fl. 2008). Den har också använts till att ta fram generella vågexponeringskartor för hela Sveriges kust inom projektet Sammanställning och analys av kustnära undervattenmiljö, SAKU (Naturvårdsverket 2006). Vågexponeringen i undersökningsområdena visas i figur A1 (i appendix) Siktdjup Sävarfjärden representerar ett typiskt kustområde, där de inre, landnära delarna påverkas av sötvattenutflöde (Sävarån). Detta skapar en gradient ibland annat salthalt och siktdjup, vilket kan påverka utbredningen av arter och habitat. För att fånga upp denna gradient i modellerna använde vi en siktdjupskarta, framtagen från siktdjupsmätningar på 45 olika stationer jämnt spridda över området fråm oktober Punkterna interpolerades med en enkel interpoleringsmetod (global polynomial interpolation) till ett kontinuerligt siktdjupskikt som användes i modelleringen (Figur 3). Till skillnad från Sävar ligger Rönnskär så långt ut från kusten att det är svårt att tänka sig en storskalig siktdjupsgradient i området, även om siktdjupet lokalt kan vara lägre i skyddade vikar under produktionssäsongen. Av den anledningen gjordes inga siktdjupsmätningar eller siktdjupskarta för Rönnskärsområdet Biologiska data Biologiska underlagsdata från Sävar är insamlat med undervattensvideo i augusti 2009, av Länsstyrelsen i Västerbotten. Sammanlagt finns 61 transekter uppdelade på flera avsnitt i olika längder. Informationen användes som ett punktdataset där varje punkt 4 Figur 3. Siktdjupskarta över Sävarfjärden. var startpunkten på ett avsnitt (startkoordinaten) och innehöll de substrat och arter som återfanns i avsnittet. För att kunna utvärdera utbredningskartorna med ett oberoende dataset (se avsnitt 2.2.3) slumpades 10 transekter ut (ca 100 punkter) för att användas som externvalideringsdata. Två olika slumpningar gjordes och det dataset som bäst representerade spannet av vågexponering och djup valdes ut. Detta resulterade i totalt 101 punkter för externvalideringen, medan resterande 532 punkter från 59 transekter användes för modellering. Vid modelleringen med sjökortsdjup kunde vi bara använda 75 av externvalideringspunkterna eftersom de andra låg inom områden som felaktigt angavs som 0 meters djup. I Rönnskär kommer biologiska underlagsdata från Forststyrelsens videoinventeringar av vegetation och bottensubstrat från Av totalt ca.7200 punkter låg 2328 punkter inom flygstråken och 1239 punkter hade
6 information om djup från lidarmätningarna. Punkter som saknade djupinformation låg antingen för djupt eller i områden med begränsat siktdjup. För externvalideringen slumpades 300 punkter ut och resterande 939 punkter användes för modellering. Vid modelleringen med sjökortsdjup utgick 20 av externvalideringspunkterna de låg inom områden med felaktigt 0-djup. 2.2 Framtagande av prediktionskartor Kartorna över utbredning av arter och habitat är framtagna genom statistisk modellering som bygger på fältdata. Första steget är att skapa empiriska modeller som beskriver det statistiska sambandet mellan förekomsten av en art eller ett habitat och ett antal miljövariabler. Modellerna har sedan använts för att göra prediktioner, vilket resulterar i heltäckande kartor som visar den predikterade utbredningen av arter och habitat. De framtagna kartorna har utvärderats med ett oberoende dataset. Processen beskrivs i större detalj nedan Modellering Modelleringen gjordes med Generella Additiva Modeller (GAM). För varje art, artgrupp eller substrat har vi tagit fram en statistisk modell som beskriver sannolikheten för förekomst av en art som en linjär eller icke-linjär funktion av varje prediktorvariabel (i detta fall djup, djupderivat, vågexponering, siktdjup och bottenhabitatklasserna från vågfomsdata). Varje prediktorvariabel ger således ett sannolikhetsvärde, vilka summeras till sannolikheten för förekomst i en viss punkt på kartan. För att undvika överanpassning förenklades modellen så långt det gick utan att den tappade i förklaringsgrad, vilket innebär att bara de miljövariabler som bidrar statistiskt till att förklara utbredningen tas med i modellen. Förenklingen gjordes genom att modeller skapades med alla möjliga kombinationer av prediktorvariablerna och den bästa modellen (dvs. en modell med hög förklaringsgrad men 5 med så få predikorvariabler som möjligt) valdes med Akaike s Information Criterion (AIC). Modelleringen utfördes i GRASP (Lehmann et al. 2002), ett tillägg till statistikprogrammet R. Rumslig modellering med GAM har visat sig vara en bra metod för att prediktera arters utbredning (t.ex. Thuiller m.fl. 2003, Segurado & Araújo 2004, Bekkeby m.fl. 2008, Naturvårdsverket 2009). En mer utförlig beskrivning av metoden finns i Lehmann et al. (2002). För att utvärdera hur mycket lidarbatymetri och vågformsparametrar från lidardata tillför för kvaliteten hos de framtagna prediktionskartorna gjordes flera modelleringsomgångar med olika dataunderlag. I Rönnskär modellerade vi (1) med sjökortsbatymetri, (2) med lidarbatymetri och djupderivat från denna och (3) med lidarbatymetri, djupderivat och bottenhabitatklasserna från vågfomsdata. I Sävar modellerade vi (1) med sjökortsbatymetri, (2) med äldre digitaliserade djupdata och (3) med lidarbatymetri i kombination med äldre digitaliserade djupdata. I Sävar gjorde vi ingen modellering eller prediktion med bottenhabitatklasserna från vågformsdata eftersom dessa data saknades i stora områden på grund av det dåliga siktdjupet och antalet datapunkter tillgängliga för modellering och validering blev för lågt. Utifrån de arter som hittats i inventeringarna valde vi ut arter som var tillräckligt vanligt förkommande för att kunna modelleras tillförlitligt. I ett första steg valdes arter som förekom i minst 2% av inventeringspunkterna. Av dessa modellerades sedan alla arter som hade minst 9 förekomster i de data som tagits ut för externvalidering, eftersom ett alltför lågt antal förekomster i valideringsunderlaget gör utvärderingen mindre tillförlitlig. Förutom arterna modellerades även två artsamhällen som är intressanta ur ett naturvärdesperspektiv, nämligen höga kärlväxter och kransalger, samt tre typer av bottensubstrat: hårdbotten (häll, block och
7 sten), sand och mjukbotten (finsediment, inte sand). Sand kunde vi bara modellera i Rönnskär, eftersom det fanns för få förekomster av sand med hög täckningsgrad i valideringsdata för Sävar Prediktion Modellerna användes sedan för att göra en rumslig prediktion av förekomsten av arter, samhällen och bottensubstrat. I detta steg används heltäckande kartor av prediktorvariablerna. För varje punkt på kartan görs en beräkning av sannolikheten för förekomst av den modellerade arten eller substratet, utifrån information om djup, vågexponering, siktdjup osv. i denna punkt. Resultatet redovisas som sannolikhetskartor, som visar sannolikheten mellan 0 och 1 för förekomst av en viss art eller substrat i varje enskild punkt på kartan. Hur sannolikhetskartor ska tolkas beror på kartans upplösning och upplösningen i inventeringsmetoden. I denna studie varierar inventeringsytan något mellan de inventeringspunkter vi användt för modelleringen. En 10 % täckningsgrad av kransalger i en punkt kan till exempel innebära att denna täckningsgrad registrerades på ett 2 m långt avsnitt i en 2 m bred transekt. I detta fall är alltså inventeringsytan betydligt mindre än cellstorleken i sannolikhetskartan. Med andra ord, en cell med 50 % sannolikhet för förekomst av 10 % täckningsgrad av kranslager kan innebära att det med 50 % sannolikhet finns en yta på 4 m 2 som har en 10 % täckningsgrad av kransalger någonstans inom de 100 m 2 som cellen innefattar. Olikheterna i skala mellan inventeringsytan och cellstorleken i sannolikhetskartan är viktig att tänka på vid tolkningen av dessa kartor Utvärdering av de predikterade kartorna Ett viktigt steg i framtagandet av utbredningskartor med rumslig modellering är att utvärdera kartans kvalitet. En prediktionskartas kvalitet beror dels på modellens prediktiva förmåga (dvs. hur väl den kan förutsäga utbredningen av en art utanför inventeringspunkterna) och dels på kvaliteten i de dataskikt som används för prediktionen. Den utvärdering vi har gjort utvärderar det samlade felet från dessa båda felkällor och ger en bild av hur väl kartan avspeglar verkligheten. Vi har gjort en externvalidering av alla kartor, vilket innebär att kartan jämförs med oberoende datapunkter som inte använts när modellen tagits fram. Detta är det mest korrekta sättet att utvärdera kvaliteten på en predikterad karta, men kräver en stor mängd fältdata. I Rönnskär hade vi tillgång till så mycket data att detta aldrig blev begränsande. I Sävar begränsades dock vilka kartor vi kunde ta fram av mängden förekomster i utvärderingsdatapunkterna. Den viktigaste anledningen till detta var att många arter och samhällen bara förekom i en liten del av inventeringspunkterna, vilket avspeglar att undervattenssamhällena är relativt glesa i detta område. Utvärdering av modellernas kvalitet, dvs. hur väl modellen lyckas med att förutsäga förekomsten av en art eller ett substrat, gjordes med utvärderingsmåttet AUC (Fawcett 2006). En modell som förutsäger alla förekomster och icke-förekomster korrekt får AUC-värde 1 medan ett värde på 0,5 är att betrakta som slumpmässigt. En riktlinje om hur AUCvärdena ska tolkas ges i tabell 1. Tabell 1. Tolkning av kvaliteten hos prediktionskartor utifrån AUC-värde (efter Hosmer & Lemeshow 2000) AUC-värde Kvalitet 0,9-1 Utmärkt 0,8-0,9 God 0,7 0,8 0,5 0,7 Dålig 6
8 2.3 Naturvärdeskartor Kartorna över arter och artgrupper kan i sin tur användas för att ta fram kartor som pekar ut särskilt naturvärdesintressanta områden. I detta projekt har vi tagit fram exempel på sådana kartor utifrån utbredningskartorna från lidardata. Naturvärdeskartorna är framtagna med en ny metod som utvecklats av AquaBiota i samarbete med tjänstemän på Norrköpings kommun och Länsstyrelsen i Östergötland. Metoden bygger på nyckelbiotopbegreppet som används inom naturvården på land och syftar till att identifiera sammanhängande områden med biotoper som är av högt värde. Vi identifierade tre vegetationstyper som är intressanta ur ett naturvärdesperspektiv i Norra Kvarken: 1. Blåstångsbälte (minst 25 % täckningsgrad), förekommer bara i Rönnskär 2. Höga kärlväxter (minst 10 % täckningsgrad i Rönnskär, minst 5 % i Sävar) 3. Kransalger (förekomst) Anledningen till att vi valde en lägre täckningsgrad av höga kärlväxter i Sävar är att 10 % täckningsgrad förekom för sällan för att den skulle gå att modellera. Bestånd av höga kärlväxter kan vara betydelsefulla även när de är glesa och vi bedömde att de kan vara värdefulla även vid så låg täckningsgrad som 5 %. Nästa steg var att välja en sannolikhetsgräns för vad som ska anses vara en förekomst för en viss vegetationstyp. För detta val är det viktigt att ta hänsyn till hur vanlig vegetationstypen är, eftersom det påverkar sannolikheten för förekomst. För en vegetationstyp som är vanligt förekommande kan gränsen sättas högt för att inte få med alltför stora områden. Prediktioner av ovanliga typer kommer sällan upp i höga sannolikheter vilket betyder att gränsen måste sättas lägre för dessa. Följande val gjordes: Blåstångsbälte: Över 35 % sannolikhet Höga kärlväxter: Över 75 % sannolikhet i Rönnskär, över 50 % sannolikhet i Sävar Kransalger: Över 30 % sannolikhet i Rönnskär, över 70 % sannolikhet i Sävar Nästa steg var att identifiera större potentiella områden där vegetationstypen kan finnas och sålla bort områden med enstaka fläckar med gynnsamma förhållanden. Detta gjordes med hjälp av en statistisk beräkning i GIS där en cell valdes ut om majoriteten av cellerna inom en cirkel med en given radie hade gynnsamma förhållanden (enligt kriterierna ovan). Vi valde en radie på 100 m för blåstång och höga kärlväxter och 50 m för kransalger. Skälet till att vi valde en mindre radie för kransalger är att vi bedömde att även små ytor av kransalgsbiotoper kan ha ett högt värde. I sista steget sållades små ytor bort, så att de slutgiltiga kartorna visar sammanhängande områden på minst 2 ha för blåstång och höga kärlväxter och minst 1 ha för kransalger. 7
9 3. RESULTAT OCH DISKUSSION Tabell A1 (i appendix) redovisar vilka arter, samhällen och bottensubstrat som var tillräckligt vanliga i vårt inventerings- och externvalideringsdata för att kunna modelleras och utvärderas. De flesta arter gick att modellera med olika täckningsgrader upp till 25 %. De täckningsgrader som redovisas här har valts ut dels utifrån vad som är intressant ur ett naturvärdesperspektiv, dels utifrån vad som varit möjligt med befintliga fältdata. Ett antal exempel på framtagna kartor finns i Figur A2-A4 i appendix. Mer detaljerade resultat som visar kvaliteten hos de framtagna kartorna och vilka prediktorvariabler som kom med i de färdiga modellerna visas i tabell 2 och 3. Kartorna som togs fram med sjökortsbatymetri var ofta av intermediär eller dålig kvalitet även om några kartor fick relativt bra utvärderingsvärden, exempelvis höga kärlväxter i båda undersökningsområdena (Tabell 2 och 3). Kartorna framtagna med lidarbatymetri blev generellt bättre. I Rönnskär blev nio av elva framtagna kartor av god kvalitet (Tabell 3). Om man jämför kartor framtagna med sjökort och lidar framstår några skillnader tydligt (Figur 4). En skillnad är förstås detaljrikedomen i kartorna, där sjökortskartorna ger en oriktigt utslätad bild. Sjökortskartorna tenderar också att överskatta utbredningen av grunt växande arter. Figur 4. Jämförelse mellan utbredningskarta framtagen med lidarbatymetri (vänster) och sjökort (höger). Kartorna visar utbredningen av höga kärlväxter i en del av Rönnskärsområdet. De grå linjerna i kartan visar gränsen för området som karterats med lidar. Vita områden saknar djupdata. 8
10 Tabell 2. Framtagna prediktionskartor för Sävar, med information om kartans kvalitet samt vilka prediktorvariabler som ingick i modellen. Ett streck markerar att det inte gick att ta fram en modell. Art/artgrupp Grönslickar 25% täckning (Cladophora sp.) Sjökort Digitaliserade djupmätningar Lidar (batymetri) Prediktionens kvalitet (AUC 0,771) Prediktorvariable r 1 Vågexponering, djup, siktdjup Prediktionens kvalitet (AUC 0,785) Prediktorvariabler 1 Vågexponering, djup, siktdjup Prediktionens kvalitet God (AUC 0,814) Prediktorvariabler 1 Djup, vågexponering Höga kärlväxter 2 5% täckning Kransalger förekomst (Chara spp.) God (AUC 0,887) Djup, vågexponering, siktdjup (AUC 0,755) Djup, vågexponering, ljusexponering, kurvatur, lutning (AUC 0,757) God (AUC 0,815) Djup God (AUC 0,813) Djup, ljusexponering (AUC 0,784) Djup, vågexponering, Djup, kurvatur Kransalger 10% täckning (Chara spp.) Ålnate 5% täckning (Potamogeton perfoliatus) Hårdbotten 25% täckning (AUC 0,798) Mjukbotten 25% täckning God (AUC 0,898) Djup God (AUC 0,839) Djup, ljusexponering, siktdjup - - Dålig (AUC 0,680) Djup, vågexponering, ljusexponering, siktdjup, kurvatur Dålig (AUC 0,553) Vågexponering, djup Vågexponering, djup God (AUC 0,806) 1 I ordning efter inflytande i modellen. 2 Inkluderar Myriophyllum spp., Potamogeton pectinatus och P. perfoliatus. Vågexponering, djup, kurvatur, lutning (AUC 0,778) Dålig (AUC 0,689) (AUC 0,746) Djup, kurvatur Djup, vågexponering, siktdjup Vågexponering, djup God (AUC 0,853) Vågexponering, djup God (AUC 0,842) Vågexponering, djup 9
11 Tabell 3. Framtagna prediktionskartor för Rönnskär, med information om kartans kvalitet samt vilka prediktorvariabler som ingick i modellen. Ett streck markerar att lidarklasserna inte kom med i modellen, så att modellen blev densamma som vid modellering med bara lidarbatymetri. Art/artgrupp/substrat Sjökort Lidar (batymetri) Lidar (batymetri och klasser) Blåstång 25% täckning (Fucus spp.) Kräkel förekomst (Furcellaria lumbricalis) Näckmossa 10% täckning (Fontinalis sp.) Kransalger förekomst (Charophyceae) Slinken förekomst (Nitella spp.) Höga kärlväxter 2 10% täckning Ålnate 10% täckning (Potamogeton perfoliatus) Slingor förekomst (Myriophyllum spp.) Hårsärv förekomst (Zannichellia palustris) Hårdbotten 25% täckning Prediktionens kvalitet (AUC 0,77) Prediktorvariabler 1 Prediktionens kvalitet 10 Prediktorvariabler 1 Djup, vågexponering God (AUC 0,81) Djup, vågexp, kurvatur Prediktionens kvalitet - - God (AUC 0,83) Djup, vågexponering God (AUC 0,85) Djup, vågexponering - - God (AUC 0,87) Djup, vågexponering God (AUC 0,87) Djup, vågexponering - - (AUC 0,74) (AUC 0,79) Djup, vågexponering God (AUC 0,88) Djup, lutning, vågexponering Djup, vågexponering God (AUC 0,85) Djup, lutning, kurvatur, vågexp (AUC 0,75) - - Prediktorvariabler 1 Djup, kurvatur, vågexp, klass3 God (AUC 0,86) Djup, vågexponering God (AUC 0,88) Djup, vågexponering God (AUC 0,85) Djup, vågexp, klass3, lutning God (AUC 0,83) Djup, vågexponering God (AUC 0,85) Djup, vågexponering God (AUC 0,80) Djup, vågexp, klass3 (AUC 0,77) (AUC 0,7) (AUC 0,73) Djup, vågexponering God (AUC 0,87) Djup, vågexp, kurvatur Djup, vågexponering (AUC 0,76) Vågexponering, djup (AUC 0,76) God (AUC 0,80) Djup, vågexponering - - Vågexponering, djup Mjukbotten 25% täckning God (AUC 0,85) Vågexponering, djup God (AUC 0,84) Vågexponering, djup, lutning (AUC 0,79) 1 I ordning efter inflytande i modellen. 2 Inkluderar Callithriche hermafroditica, Myriophyllum spp., Potamogeton pectinatus och P. perfoliatus - Djup, klass2, vågexponering Vågexp, kurvatur, djup, klass3 -
12 Jämförelsen mellan utbredningskartor framtagna med sjökort och lidarbatymetri visar att tillgång till en god batymetrisk karta kraftigt förbättrar möjligheterna att ta fram bra prediktionskartor. Djupet var den enskilt viktigaste prediktorvariabeln i de flesta av modellerna (Tabell 2 och 3), vilket visar att kvaliteten på de färdiga kartorna är direkt kopplad till kvaliteten på den batymetriska kartan. Möjligheten att använda djupderivat från lidardata bidrog troligen också till att förbättra dessa kartor. Även lidarbatymetrin saknar dock data i vissa grunda områden. Det kan dels bero på att siktdjupet är dåligt, som i de inre delarna av Sävarfjärden och i enstaka vikar i Rönnskär. Ett annat problem med lidardata som var tydligast i Sävar är små negativa djupvärden i grunda områden. Dessa kan komma från små stenar eller bränningar, men också vara fel i data. En möjlig lösning på detta problem är att ta bort negativa värden och interpolera mellan befintliga datapunkter. Slutligen misstänker vi i vissa fall att djupdata blir felaktiga om det finns tät, högväxt vegetation. Detta borde kunna hanteras genom att filtrera data på ett annat sätt, dvs. ta fram de djupaste punkterna om djupet slår väldigt mycket i ett område. Vi tror därför att det går att få fram ännu bättre prediktionskartor från lidardata, men det kräver en del processande av underlagen. I Sävar var det bara två av sju kartor som uppnådde god kvalitet med lidardata. En trolig förklaring är att täckningen i lidarmätningen var betydligt mer ojämn i detta område, med låg djupräckvidd i lidarn i stora delar av området på grund av vattnets grumlighet. Detta visar att potentialen för lidardata är lägre i områden som påverkas kraftigt av sötvattensutflöde från land, åtminstone om det inte är möjligt att processa data på ett annat sätt. Anledningen till att det över huvud taget gick att modellera med lidardata i Sävar var att vi kunde kombinera lidarmätningarna med de digitaliserade djupmätningar vi haft tillgång till i detta område. I annat fall hade mängden fältdata i de områden som täcktes av lidarmätningar varit för litet för att möjligöra en bra modellering. Litet oväntat var det flera av kartorna framtagna med lidar i kombination med digitaliserade djupmätningar som fick en sämre externvalidering än motsvarande kartor framtagna enbart med digitaliserade djupmätningar. Vi tror att detta kan bero på osäkerheter i lidardata i grunda områden, som bland annat avspeglas i små negativa djupvärdena i grunda områden. Den finskaliga lidarbatymetrin gör det egentligen möjligt att ta fram kartor med ännu högre upplösning än 10x10 m. Vi har använt samma upplösning genom hela studien för att öka jämförbarheten, men det är tänkbart att skillnaden mellan sjökort och lidarbatymetri varit ännu större om vi använt en högre upplösning. Att inkludera klassningen från vågformsparametrar förbättrade inte prediktionskartorna i de flesta fall. Sannolikhetsskikten för någon av de tre klasserna kom bara med i fem av elva modeller (Tabell 3). I de fall när någon klass kom med var det oftast klass 3, dvs. sand-, grus- eller mjukbotten med eller utan trådformiga alger. Något oväntat försämrades modellernas externutvärderingsresultat när klasserna inkluderades, förutom modellen för hårdbotten som blev något bättre när vi inkluderade sannolikheten för klass 3. Detta antyder att modellen plockar upp falska mönster vilket resulterar i fel i den framtagna prediktionskartan. Ett problem med den genomförda analysen är att vi använt oss av klassade data istället för att använda vågformsparametrarna direkt, vilket kan introducera fel i modellerna. Vi tror att de grundläggande vågformsparametrarna har betydligt större potential att använda i modelleringen och kommer att gå vidare med att undersöka detta. 11
13 Om man jämför kartorna över hårdbotten framtagna med och utan klass 3 så visar de i stort sett samma mönster i utbredningen av hårdbotten. Sannolikheten för klass 3 var också den variabel som hade minst inflytande i modellen. Det är möjligt att utbredningen av hårdbotten i Rönnskärsområdet fångas upp väl av andra variabler (djup och vågexponering). Detta stöds av att den predikterade utbredningen av hårdbotten från den rumsliga modelleringen med bara vågexponering och lidarbatymetri (Figur 5) i hög grad sammanfaller med det som klassats som hårdbotten med vågformsparametrarna (klass 1 och 2; Figur 5). Erfarenheten från andra områden visar dock att en mosaik av hårdbotten och sedimentbotten som ofta förekommer i vågskyddade miljöer kan införa stora fel i utbredningskartor som bara baserar sig på bara djup och vågexponering. Här bör det finnas en stor potential för att förbättra prediktionskartorna med vågformsdata från lidar. De framtagna nyckelbiotopskartorna (Figur 6) visar särskilt viktiga områden för respektive vegetationstyp och skulle kunna vara ett viktigt underlag i beslut gällande till exempel marint skydd. Kartorna baserar sig på sammanhängande områden med en hög sannolikhet för förekomst av en viss art eller samhälle, vilket kan anses utgöra ett potentiellt intressant område. Denna typ av kartor är svåra att ta fram från kartor baserade på sjökortsbatymetri, eftersom dessa kartor ger en utslätad bild av arters utbredningsmönster och dessutom tenderar att överskatta utbredningen av många arter. Figur 5. Vänster: Utbredningskarta framtagen med lidarbatymetri och vågexponering. Kartan visar utbredningen av minst 25% hårdbotten i Rönnskärsområdet. Vita områden saknar djupdata. Höger: Klassning av bottenhabitat utifrån vågformsparametrar. De grå linjerna i kartorna visar gränsen för området som karterats med lidar. 12
14 Nyckelbiotopskartorna som är framtagna inom ULTRA ska betraktas som ett exempel på vad som är möjligt att ta fram utifrån bra utbredningskartor. Den exakta utbredningen av värdefulla områden styrs i hög grad av de val och inställningar som görs i processen. För att ta fram en väl underbyggd naturvärdeskarta krävs därför avstämning med förvaltare och personer som känner till området i fråga. Det är också värdefullt att ha kunskap om hur vanligt förekommande en art eller biotop är på en regional skala för att kunna avgöra vad som är en intressant förekomst. Figur 6. Nyckelbiotoper i Sävar (vänster) och Rönnskär (höger). Kartorna baserar sig på de predikterade sannolikhetskartorna för höga kärlväxter, kransalger och tång (endast i Rönnskär). 13
15 REFERENSER Bekkby, T. & M. Isæus 2008: Mapping large shallow inlets and bays modelling a Natura 2000 habitat with digital terrain and wave exposure models. ICES Journal of Marine Research 65: Bekkby T., E. Rinde, L. Erikstad, V. Bakkestuen, O. Longva, O. Christensen, M. Isæus & P.E. Isachsen Spatial probability modelling of eelgrass (Zostera marina) distribution on the west coast of Norway. ICES Journal of Marine Science Advanced Access 65: 1-9. Dinesen, G. (ed.) Mapping and modelling of marine habitats in the Baltic Sea region. BALANCE Interim Report No. 27, Eriksson, B. K., A. Sandström, m.fl. (2004). Effects of boating activities on aquatic vegetation in the Stockholm archipelago, Baltic Sea. Estaurine, Coastal and Shelf Science 61: Fawcett, T An introduction to ROC analysis. Pattern Recognition Letters 27: Hosmer, D.W. & S. Lemeshow, Applied Logistic Regression, 2nd Edition. A Wiley- Interscience Publication, John Wiley & Sons Inc., New York, NY, 2000, 373 pages. Isæus, M Factors structuring Fucus communities at open and complex coastlines in the Baltic Sea. Dept. of Botany. Stockholm, Sweden, Stockholm University: 40. Lehmann A., J.C. Overton & J.R. Leathwick, GRASP: Generalized regression analysis and spatial predictions. Ecological Modelling 157, Lewis, J. R The Ecology of Rocky Shores. 1st edition, London, The English universities press.:323. Naturvårdsverket Sammanställning och Analys av Kustnära Undervattenmiljö (SAKU). Stockholm, Naturvårdsverket: 100. Naturvårdsverket Data om havsbotten. Rapport Regeringsuppdrag 25. Naturvårsverket Rapport Segurado, P. & M.B. Araújo 2004: An evaluation of methods for modeling species distributions. Journal of Biogeography 31, Thuiller, W., M.B. Araújo & S. Lavorel 2003: Generalized models vs. classification tree analysis: Predicting spatial distributions of plant species at different scales. Journal of Vegetation Science 14: Tulldahl, H. M., C. Vahlberg, A. Axelsson, & H. Janeke Sea floor characterization from airborne lidar data, in International Lidar Mapping Forum 08, Proc. Wang, C.-K. & W. D. Philpot Using airborne bathymetric lidar to detect bottom type variation in shallow waters, Remote Sensing of Environment 106, pp
16 APPENDIX Tabell A1. Tabellen visar de prediktioner som tagits fram samt namnen på de färdiga griddarna/shapefilerna. Ett streck markerar att vi gjort en modell men inte tagit fram en prediktion. Ett antal exempel på framtagna kartor finns i Figur A2-A4. Sävar Grönslickar 25% täckning (Cladophora sp.) Höga kärlväxter 5% täckning h_karl_5_sj Kransalger förekomst (Chara spp.) Kransalger 10% täckning (Chara spp.) Ålnate 5% täckning (Potamogeton perfoliatus) Sjökort Dig djup Lidarbaty Lidarbaty + klasser clad_25_sj clad_25_dig clad_25_li h_karl_5_dig h_karl_5_li krans_1_sj krans_1_dig krans_1_li krans_10_sj krans_10_dig krans_10_li - perf_5_dig perf_5_li Hårdbotten 25% täckning hard_25_sj hard_25_dig hard_25_li Mjukbotten 25% täckning soft_25_sj soft_25_dig soft_25_li Rönnskär Blåstång 25% täckning (Fucus spp.) Kräkel förekomst (Furcellaria lumbricalis) Näckmossa 10% täckning (Fontinalis sp.) Kransalger förekomst (Charophyceae) Slinken förekomst (Nitella spp.) Höga kärlväxter 10% täckning Ålnate 10% täckning (Potamogeton perfoliatus) Slingor förekomst (Myriophyllum spp.) Hårsärv förekomst (Zannichellia palustris) fuc_25_sj fuc_25_li - furc_1_sj furc_1_li - font_10_sj font_10_li - krans_1_sj krans_1_li - nit_1_sj nit_1_li - h_karl_10_sj h_karl_10_li - perf_10_sj perf_10_li - myr_1_sj myr_1_li - zan_1_sj zan_1_li - Hårdbotten 25% täckning hard_25_sj hard_25_li hard_25_li2 Mjukbotten 25% täckning soft_25_sj soft_25_li - 15
17 Figur A1. Ovan: Batymetriska kartor öve Rönnskär framtagna från sjökort (vänster) och lidarmätningar (höger). Nedan: Vågexponering beräknad med SWM (Simplified Wave Model) för Rönnskär (vänster) och Sävar (höger). Kartorna visar vågexponeringen uppdelad i klasser, men kontinuerliga värden har använts i modelleringen. 16
18 Figur A2: Sannolikhet för minst 25 % täckningsgrad av grönslick (Cladophora spp.), minst 10 %täckningsgrad av kransalger (Charophyceae) och minst 5 %täckningsgrad av höga kärlväxter (Myriophyllum spp., Potamogeton pectinatus och P. perfoliatus) och ålnate (Potamogeton perfoliatus) i Sävar. Kartorna baseras på lidarbatymetri i kombination med digitaliserade djupmätningar. 17
19 Figur A3. Sannolikhet för förekomst av tånghabitat (Fucus spp.), kräkel (Furcellaria lumbricalis) och kransalger (Charophyceae) och för minst 10 %täckningsgrad av näckmossa (Fontinalis spp.) i Rönnskär. Kartorna baseras på lidarbatymetri. 18
20 Figur A4. Sannolikhet för minst 10 % täckningsgrad av höga kärlväxter (Callithriche hermafroditica, Myriophyllum spp., Potamogeton pectinatus och P. perfoliatus) och ålnate (Potamogeton perfoliatus) och för förekomst av slingor (Myriophyllum spp.) och slinken (Nitella spp.) i Rönnskär. Kartan baseras på lidarbatymetri. 19
En första utvärdering av användarfall för lidarmätningar av grunda bottnar och strandmiljöer längs Sveriges kuster
AquaBiota Notes 2010:2 En första utvärdering av användarfall för lidarmätningar av grunda bottnar och strandmiljöer längs Sveriges kuster Sofia A. Wikström 1, Michael Tulldahl 2 1 AquaBiota Water Research;
Läs merAnvändarfall för lidarmätningar av grunda bottnar och strandmiljöer längs Sveriges kuster
AquaBiota Notes 2009:1 Användarfall för lidarmätningar av grunda bottnar och strandmiljöer längs Sveriges kuster Inledande rapport Sofia A. Wikström 1, Michael Tulldahl 2, Martin Isæus 1, Hans Kautsky
Läs merAquaBiota Notes 2010:1. GIS-analys av lek- och uppväxtområden för sik utmed Västernorrlands kust
GIS-analys av lek- och uppväxtområden för sik utmed Västernorrlands kust Författare: Nicklas Wijkmark & Tomas Didrikas juni 2010 Inledning AquaBiota Water Research AB har på uppdrag av Länsstyrelsen i
Läs merKartering av habitat med undervattensvideo
Kartering av habitat med undervattensvideo Umeå, 2012-12-04 Göran Sundblad +46 8 522 302 51 goran.sundblad@aquabiota.se Martin Isæus, Sofia Wikström, Karl Florén AquaBiota Water Research AB Forsknings-
Läs merBättre inventeringar av marina miljöer Kunskap för planering och förvaltning av kust och hav Johnny Berglund, Länsstyrelsen Västerbotten
Bättre inventeringar av marina miljöer Kunskap för planering och förvaltning av kust och hav Johnny Berglund, Länsstyrelsen Västerbotten Prövning av vattenverksamhet Prövning och och strandskydd tillsyn
Läs merPractical experience of bathymetric LIDAR
Practical experience of bathymetric LIDAR Project U.L.T.R.A DEVELOPING LIDAR-BASED ANALYSIS FOR MARINE MAPPING Johnny Berglund, County Administrative Board of Västerbotten BACKGROUND TO PROJECT ULTRA Very
Läs merMarin modellering som underlag för kustförvaltning
Marin modellering som underlag för kustförvaltning Umeå 2014-04-03 Antonia Nyström Sandman AquaBiota Water Research Ingrid Nordemar Länsstyrelsen Stockholm MMSS Marin Modellering i Södermanland och Stockholm
Läs merNaturvärdesbedömning av kustnära miljöer i Kalmar län. Förslag till marina biotopskydd och framtida förvaltning
Naturvärdesbedömning av kustnära miljöer i Kalmar län Förslag till marina biotopskydd och framtida förvaltning Inledning... 1 Biologisk data... 2 Skyddade områden... 3 Bedömning av naturvärden... 4
Läs merResultat av översiktlig vegetationskartering i Örserumsviken, 23 september 1999
Resultat av översiktlig vegetationskartering i Örserumsviken, 23 september 1999 - Lägesrapport januari 2000 Stefan Tobiasson, Högskolan i Kalmar Resultat av översiktlig vegetationskartering i Örserumsviken
Läs merForskning i Kvarken och världsarvsområdet Historia, nuläge och framtid
Forskning i Kvarken och världsarvsområdet Historia, nuläge och framtid 24.9.2010 Michael Haldin, Naturtjänster / Forststyrelsen En kort översikt över vad vi (inte) vet Havsbottnens topografi batymetri
Läs merUtbredning av arter och naturtyper på utsjögrund i Östersjön. En modelleringsstudie
Utbredning av arter och naturtyper på utsjögrund i Östersjön En modelleringsstudie rapport 5817 maj 2008 Utbredning av arter och naturtyper på utsjögrund i Östersjön En modelleringsstudie NATURVÅRDSVERKET
Läs merBÄTTRE UNDERLAG FÖR DETALJPLANERING AV VINDKRAFTSPARKER 26.08.2014 MICHAEL HALDIN & MATTI SAHLA NATURTJÄNSTER / FINLAND
BÄTTRE UNDERLAG FÖR DETALJPLANERING AV VINDKRAFTSPARKER 26.08.2014 MICHAEL HALDIN & MATTI SAHLA NATURTJÄNSTER / FINLAND I både Sverige och Finland finns det regeringsbeslut på utvidgning av vindkraft till
Läs merKompletterande undervattensinventering av marina bentiska miljöer i Gävleborgs län
Kompletterande undervattensinventering av marina bentiska miljöer i Gävleborgs län AquaBiota Report 2018:13 Författare: Johan Näslund, Olov Tiblom, Cecilia Edbom Blomstrand, Matilda Rasmussen, Ylva Jondelius,
Läs merKartering av undervattensvegetation i och omkring Oskarshamns hamn 2011
Institutionen för naturvetenskap Kartering av undervattensvegetation i och omkring Oskarshamns hamn 2011 Susanna Andersson Mars 2012 ISSN 1402-6198 Rapport 2010:19 Kartering av undervattensvegetation i
Läs merANALYS AV MÖJLIGHETER ATT ANVÄNDA LIDAR- DATA VID REGIONAL- OCH KOMMUNAL HAVSPLANERING
Interreg IVA Botnia-Atlantica ULTRA ANALYS AV MÖJLIGHETER ATT ANVÄNDA LIDAR- DATA VID REGIONAL- OCH KOMMUNAL HAVSPLANERING Maj 2010 Umeå kommun Österbottens förbund Vasa stad Korsholms kommun 1 Innehållsförteckning
Läs merGemensam undervattens karta för Finland och Sverige. Carlos Paz von Friesen Länsstyrelsen i Västerbotten
Gemensam undervattens karta för Finland och Sverige Carlos Paz von Friesen Länsstyrelsen i Västerbotten SeaGIS mål: gemensam undervattens karta - HELCOM:s HUB-habitat - HUB-habitats modellering - Resultat
Läs merBotteninventering av vattenområdet öster om Port Arthur i Norrtälje hamn
Gustav Johansson, 4 augusti 2015 Botteninventering av vattenområdet öster om Port Arthur i Norrtälje hamn Bakgrund Norrtälje kommun arbetar med en större omvandling av hamnområdet längst in i Norrtäljeviken.
Läs merAnalys av befintlig inventeringsdata rörande makrovegetation i Västerbottens havsmiljö samt förslag till kompletterande provtagning
Analys av befintlig inventeringsdata rörande makrovegetation i Västerbottens havsmiljö samt förslag till kompletterande provtagning AquaBiota Rapport 2011:02 Författare: Karl Florén & Hanna Mossfelt AquaBiota
Läs merKartering och övervakning av miljön med flygburen laser och digitala bilder
En kort inledning om EMMA-programmet 2009-2013 och EMMA-konferensen 2013-11-20: Kartering och övervakning av miljön med flygburen laser och digitala bilder Naturvårdsverkets forskningsprogram EMMA * *
Läs merKartering av marina arter och naturvärden
Kartering av marina arter och naturvärden Miljöövervakningsdagarna Ronneby Brunn 2012-09-19 Martin Isæus 08-5223 0241 martin.isaeus@aquabiota.se Foto Martin Isaeus AquaBiota AquaBiota Water Research AB
Läs merMakrovegetation. En undersökning av makrovegetationen i kustvattnet innanför Landsort
Makrovegetation En undersökning av makrovegetationen i kustvattnet innanför Landsort 2016-10-14 Makrovegetation. En undersökning av makrovegetation i kustvattnet innanför Landsort. Rapportdatum: 2016-10-14
Läs merBilaga 2 Kartering av biotiska ekosystemkomponenter Antonia Nyström Sandman, Hedvig Hogfors och Frida Fyhr
Mosaic ramverk för naturvärdesbedömning i marin miljö Version 1 Bilaga 2 Kartering av biotiska ekosystemkomponenter Antonia Nyström Sandman, Hedvig Hogfors och Frida Fyhr Mosaic 1 är ett ramverk för naturvärdesbedömning
Läs merMätkampanj 2009 Gävlebukten Länsstyrelsen Gävleborg
Mätkampanj 2009 Gävlebukten Länsstyrelsen Gävleborg Peter Hansson Kustfilm Nord AB Inledning.. 1 Sammanfattning av resultaten.. 3 Diskussion.. 4 Metodik. 5 Resultat 5 Symboler i redovisningen.5 Lokalerna
Läs merBILAGA 7 KARTERING AV MARINA LIVSMILJÖER
BILAGA 7 KARTERING AV MARINA LIVSMILJÖER Kartering av marina livsmiljöer vid Simpevarp och Ygne inför planerad stamnätskabel mellan Gotland och fastlandet Annelie Hilvarsson Marina Magnusson David Börjesson
Läs merUndersökningen utfördes av AquaBiota på uppdrag av Länsstyrelsen i Gotlands län. Syftet med undersökningen är att öka kunskapen om den marina miljön och naturvärden utanför området Ekstakusten. Undersökningen
Läs merBedömning av effekter av farledstrafik på vegetation och områden för fisklek, Skanssundet till Fifång.
PM Bedömning av effekter av farledstrafik på vegetation och områden för fisklek, Skanssundet till Fifång. 2018-05-22 Medins Havs och Vattenkonsulter AB är ackrediterat av SWEDAC i enlighet med ISO 17025
Läs mernoterats på en lokal (år 2008). Detta kan indikera att den håller på att etablera sig i undersökningsområdet.
Sammanfattning Den 27-28 september 2012 genomfördes en marin vegetationsinventering på grunda bottnar i inre Bråviken. Inventeringen inkluderade linjetaxering av dykare på sju lokaler som tidigare även
Läs merVALUES: Värdering av akvatiska livsmiljöers ekosystemtjänster. Antonia Nyström Sandman, projektledare, AquaBiota Water Research
VALUES: Värdering av akvatiska livsmiljöers ekosystemtjänster Antonia Nyström Sandman, projektledare, AquaBiota Water Research Havets ekosystemtjänster 1. Vilka är de? 2. Var finns de? 3. Hur påverkas
Läs merInventering av ålgräsängarnas utbredning
Inventering av ålgräsängarnas utbredning Anna Nyqvist, Per Åberg, Maria Bodin, Carl André Undersökningarna 2, 23 och 24 har alla gått till på samma sätt. Utgångspunkten är tidigare gjorda inventeringar
Läs merBasinventering av Svalans och Falkens grund, Bottenviken
AquaBiota Notes 2008:1 Basinventering av Svalans och Falkens grund, Bottenviken Del av utsjöbanksinventeringen 2008 Författare: Anna Engdahl & Josefin Sagerman November 2008-0 - Inledning Denna inventering
Läs merUtveckling av nya bedömningsgrunder för makrofyter videometoders potential i övervakningen?
Utveckling av nya bedömningsgrunder för makrofyter videometoders potential i övervakningen? Utveckling av nya bedömningsgrunder Potential eutrophication indicators based on Swedish coastal macrophytes
Läs merTransektinventering i Ålviken samt en preliminär bedömning av miljöpåverkan från olika åtgärder Aquabiota Notes 2011:3. AquaBiota Notes 2011:3
AquaBiota Notes 2011:3 Författare och fotograf: Karl Florén AquaBiota Water Research Augusti 2011 1 Innehåll Inledning... 3 Metod... 3 Resultat... 4 Transekt 1 (öster om djuprännan)... 4 Transekt 2 (väster
Läs merULTRA Utveckling av LiDAR-baserad Terränganalys för Regional Användning
ULTRA Utveckling av LiDAR-baserad Terränganalys för Regional Användning Gemensam slutrapport Anette Bäck, Forststyrelsen Johnny Berglund, Länsstyrelsen i Västerbotten Johanna Gammal, Forststyrelsen Michael
Läs merMosaic ramverk för naturvärdesbedömning i marin miljö
Tabell Bilaga 1 Mosaic ramverk för naturvärdesbedömning i marin miljö Version 1 Havs- och vattenmyndighetens rapport 2017:XX Mosaic ramverk för naturvärdesbedömning i marin miljö Version 1 Hedvig Hogfors,
Läs merUtbredning av bottenvegetation i gradienter la ngs Sveriges kust
Utbredning av bottenvegetation i gradienter la ngs Sveriges kust Resultat från Naturvårdsverkets Mätkampanj 29 Titel: Utbredning av bottenvegetation i gradienter längs Sveriges kust. Resultat från Naturvårdsverkets
Läs merKartering av grunda havsbottnar
Kartering av grunda havsbottnar Petra Philipson, Vattenfall Power Consultant AB Kartering av bottnar och identifiering Sjöfartsobjekt? Kan högupplöst satellitdata användas för kartering av grunda bottnar
Läs merKartering av bentiska naturvärden i Bottniska Viken
Kartering av bentiska naturvärden i Bottniska Viken Havs- och vattenmyndighetens rapport 2018:29 Detta är en rapport som har tagits fram på uppdrag av Havs- och vattenmyndigheten. Rapportförfattarna ansvarar
Läs merKartering av bentisk flora och fauna vid Hässelby värmeverk. Martin Isæus, Karl Florén och Sofia Wikström
Kartering av bentisk flora och fauna vid Hässelby värmeverk Martin Isæus, Karl Florén och Sofia Wikström 1 Kartering av bentisk flora och fauna vid Hässelby värmeverk S T O C K H O L M, 11 N O V E M B
Läs merResultat Makrofytinventering i Rössjön 2012
Vattendjup (cm) Rönne å Vattenkontroll 2012 Resultat Makrofytinventering i Rössjön 2012 Under augusti och september 2012 har förekomsten av makrofyter i Rössjön inventerats längs nio transekter från vattenbrynet
Läs merJapanska ostron i Sverige Hur många är de? Åsa Strand Institutionen för Marina Vetenskaper, Göteborgs universitet
Japanska ostron i Sverige Hur många är de? Åsa Strand Institutionen för Marina Vetenskaper, Göteborgs universitet Utbredning i Sverige Inga ostron Ostron funna 2015: inventering av lokaler mellan Lysekil
Läs merInventering av vegetation på grunda bottnar i inre Bråviken
Inventering av vegetation på grunda bottnar i inre Bråviken Susanne Qvarfordt & Micke Borgiel Rapport 2008-01-31 Adress: Besöksadress: E-post: Telefon: Pg: 432 2 40-2 Box 43 Hedagatan kjell.enstedt@elk-ab.se
Läs merMarin botteninventering av 6 lokaler för Vaxholm Stad
Marin botteninventering av 6 lokaler för Vaxholm Stad 1 Innehåll Bakgrund och Karta 3 Kriterier för naturvärdesbedömning 4 Beskrivning av lokaler Lokal 1 5 Lokal 2 6 Lokal 3 7 Lokal 4 8 Lokal 5 9 Lokal
Läs merBEDÖMA BIOLOGISK MÅNGFALD I TORVMARKER. - Hur gör man rent praktiskt (och tekniskt)? Sofia Nygårds Ecocom AB
BEDÖMA BIOLOGISK MÅNGFALD I TORVMARKER - Hur gör man rent praktiskt (och tekniskt)? Sofia Nygårds Ecocom AB Bakgrund: landskap i olika nivåer Cell: minsta beståndsdelen i en kategorisk karta (raster),
Läs merMarin Modellering i Södermanlands län
Marin Modellering i Södermanlands län AquaBiota Report 2013:09 Antonia Nyström Sandman, Tomas Didrikas, Carolina Enhus, Karl Florén, Martin Isaeus, Ingrid Nordemar, Anna Nikolopoulos, Göran Sundblad, Karl
Läs merUtbredning och förekomst av alger på hårdbottenmiljöer i Göteborgs skärgård. Miljöförvaltningen R 2012:2. ISBN nr: 1401-2448
ISBN nr: 1401-2448 R 2012:2 Utbredning och förekomst av alger på hårdbottenmiljöer i Göteborgs skärgård Miljöförvaltningen Karl Johansgatan 23, 414 59 Göteborg Tel vx: 031-368 37 00 Epost: miljoforvaltningen@miljo.goteborg.se
Läs merTransektinventering i påverkanområde. Gävle fjärdar. Peter Hansson Kustfilm Nord AB
Transektinventering i påverkanområde Gävle fjärdar 2008 Peter Hansson Kustfilm Nord AB Innehåll SAMMANFATTING 2 INLEDNING 2 DISKUSSION 3 PROFILLOKALER I PÅVERKANSOMRÅDET 3 METODIK 4 LOKAL 1 BORGVIK 5 LOKAL
Läs merBedömning av naturvärden i vattenmiljön vid Marö
På uppdrag av: Magnus Gustavsson, Söderköping Version/datum: 2017-11-01 Bedömning av naturvärden i vattenmiljön vid Marö Inför samråd gällande anläggande av brygga Calluna AB (org.nr: 556575-0675) Linköpings
Läs merRapport 2011:8. Modellering av den marina vegetationen vid Tupparna - Kalvhararna
Rapport 2011:8 Modellering av den marina vegetationen vid Tupparna - Kalvhararna Modellering av den marina vegetationen vid Tupparna - Kalvhararna Susanne Qvarfordt, Ronny Fredriksson & Mikael Borgiel
Läs merMarinbiologisk inventering av Bållevik - Kastet, Uddevalla kommun
Marinbiologisk inventering av Bållevik - Kastet, Uddevalla kommun David Börjesson Andreas Wikström Juni 2013 Titel Marinbiologisk inventering av Bållevik-Kastet, Uddevalla kommun Framtagen av Marine Monitoring
Läs merMarin Modellering i Stockholms län
Marin Modellering i Stockholms län AquaBiota Report 2013:10 Antonia Nyström Sandman, Tomas Didrikas, Carolina Enhus, Karl Florén, Martin Isaeus, Ingrid Nordemar, Anna Nikolopoulos, Göran Sundblad, Karl
Läs merGöteborg 2014-08-26. Inventering av dvärgålgräs (Zostera noltii) inom Styrsö 2:314 m.fl.
Göteborg 2014-08-26 Inventering av dvärgålgräs (Zostera noltii) inom Styrsö 2:314 m.fl. Linda Andersson och Cecilia Nilsson 2014 Inventering av dvärgålgräs (Zostera noltii) inom Styrsö 2:314 m.fl. Rapport
Läs merKartering av marina naturvärden i Västerbottens län
Kartering av marina naturvärden i Västerbottens län Havs- och vattenmyndighetens rapport 2018:26 Detta är en rapport som har tagits fram på uppdrag av Havs- och vattenmyndigheten. Rapportförfattarna ansvarar
Läs merPlanering av GIS-modellering av rekryteringsmiljöer för gädda, abborre och gös i Gävleborgs kustområden
Planering av GIS-modellering av rekryteringsmiljöer för gädda, abborre och gös i Gävleborgs kustområden Rapport framtagen på uppdrag av Sveriges Sportfiske- och Fiskevårdsförbund Författare: Frida Fyhr
Läs merPågående metodutveckling för tolkning av film
Pågående metodutveckling för tolkning av film Göran Sundblad 08-522 302 51 goran.sundblad@aquabiota.se 2013-09-23 Workshop, Järnavik, Blekinge Innehåll 1. Pilotstudie Koster-Hvaler 2. Workshop Uddevalla
Läs merModellering av potentiella rekryteringsområden för fisk i Kalmarsund
Modellering av potentiella rekryteringsområden för fisk i Kalmarsund AquaBiota Rapport 2011:03 Författare: Göran Sundblad 1 & Ulf Bergström 2 1AquaBiota Water Research 2 Institutionen för akvatiska resurser,
Läs merNaturtyper på havets botten
Efter den 1 juli 2011 ansvarar Havs- och vattenmyndigheten för denna publikation. Telefon 010-698 60 00 publikationer@havochvatten.se www.havochvatten.se/publikationer Naturtyper på havets botten baserat
Läs merPlanering av havsområden utifrån ett kommunal perspektiv
Planering av havsområden utifrån ett kommunal perspektiv Hållbar bebyggelseplanering Problem att beakta Behov av underlag Doris Grellmann Naturvård Umeå kommun Planeringsfrågor kring kust och hav Hållbara
Läs merEffects of shore-level displacement on the ecology of Baltic Sea bays
Joakim Hansen www.su.se/ostersjocentrum Effects of shore-level displacement on the ecology of Baltic Sea bays Ecology; Aquatic plants; Invertebrates; Soft-bottom; Lagoons; Monitoring; Indicators Effects
Läs merModellering av Västernorrlands marina habitat och naturvärden
Modellering av Västernorrlands marina habitat och naturvärden Rapport 2012:03 Länsstyrelsen Västernorrland avdelningen för Miljö och Natur Modellering av Västernorrlands marina habitat och naturvärden
Läs merSatellitbaserad vattenkvalitetsövervakning. Petra Philipson, Brockmann Geomatics Sweden AB
Satellitbaserad vattenkvalitetsövervakning Petra Philipson, Brockmann Geomatics Sweden AB Konsultverksamhet inom geoinformatik. Utvecklar metoder och konceptlösningar, baserat på fjärrnalys och GIS, för
Läs merBilaga 1 Skattning av ålgräsförändringar i Västerhavet
Förvaltning och restaurering av ålgräs i Sverige Ekologisk, juridisk och ekonomisk bakgrund Per-Olav Moksnes, Lena Gipperth, Louise Eriander, Kristjan Laas, Scott Cole och Eduardo Infantes Bilaga 1 Skattning
Läs merhavsvik- erfarenhet från Örserumsviken, Kalmar länl
Hur svarar biologin på p åtgärder i en havsvik- erfarenhet från Örserumsviken, Kalmar länl Vattendagarna 2012 Jönköping Susanna Andersson Stefan Tobiasson Jonas Nilsson Plan Projektets bakgrund Utgångsl
Läs merYtsubstrat på grunda havsbottnar
Ytsubstrat på grunda havsbottnar En nationell sammanställning och analys av befintlig data RAPPORT - en nationell sammanställning och analys av befintliga data NATURVÅRDSVERKET Beställningar Ordertel:
Läs merUtbredning av marina arter och naturtyper på bankar i Kattegatt. En modelleringsstudie
Utbredning av marina arter och naturtyper på bankar i Kattegatt En modelleringsstudie rapport 6489 december 2012 Utbredning av marina arter och naturtyper på bankar i Kattegatt -en modelleringsstudie Beställningar
Läs merKartunderlag för marin grön infrastruktur
Kartunderlag för marin grön infrastruktur -behovsanalys, datasammanställning och bristanalys AquaBiota Report 2015:05 Författare: Carolina Enhus & Hedvig Hogfors AquaBiota Water Research AquaBiota Report
Läs merBiotopkartering av sjöar och vattendrag inom Oxundaåns avrinningsområde Steg 1. Sammanställning av inventerade områden fram till 2012
Biotopkartering av sjöar och vattendrag inom Oxundaåns avrinningsområde Steg 1 Sammanställning av inventerade områden fram till 2012 Biotopkartering av sjöar och vattendrag inom Oxundaåns avrinningsområde
Läs merBedömning av marina naturvärden i den inre norra delen av Norrtälje hamn 2013
Bedömning av marina naturvärden i den inre norra delen av Norrtälje hamn 2013 Johan Persson JP Aquakonsult Gustav Johansson Hydrophyta Ekologikonsult Uppsala 2013-12-09 Omslagsbilden visar årsyngel av
Läs merDropvideoinventering, habitatmodellering och kartering av marina naturtyper i Gårdskär, Uppsala län
Dropvideoinventering, habitatmodellering och kartering av marina naturtyper i Gårdskär, Uppsala län AquaBiota Report 2016:08 Karl Florén, Gledis Guri, Stefan Skoglund & Stina Tano AquaBiota Water Research
Läs merBilaga 1 Flödesschema för Mosaic i marin miljö
Mosaic ramverk för naturvärdesbedömning i marin miljö Version 1 Bilaga 1 Flödesschema för Mosaic i marin miljö Hedvig Hogfors och Frida Fyhr Mosaic 1 är ett ramverk för naturvärdesbedömning i marin miljö
Läs merKävlingeåns vattenråd
Kävlingeåns vattenråd Jenny Palmkvist Robert Rådén Per-Anders Nilsson Martin Mattson, Företagsvägen 2, 435 33 Mölnlycke // Tel 031-338 35 40 // Fax 031-88 41 72 // www.medins-biologi.se // Org. Nr. 556389-2545
Läs merMarint områdesskydd + GI. sant (bevarandevärden, ekosystemkomponenter)
Marint områdesskydd + GI = sant (bevarandevärden, ekosystemkomponenter) GI handlingsplaner/ Regionala strategier GI - ett nätverk av natur + Ekosystemtjänster Nätverket av skyddade områden ska vara representativt,
Läs merInventering av vegetationsklädda bottnar i Björköområdet
SVEAB R-071005 Inventering av vegetationsklädda bottnar i Björköområdet Peter Plantman, Sveriges Vattenekologer AB Innehållsförteckning SAMMANFATTNING... 3 INLEDNING... 4 UNDERSÖKNINGSOMRÅDET... 5 UNDERSÖKNINGENS
Läs merModellering av. Östergötlands marina habitat och naturvärden
Modellering av Östergötlands marina habitat och naturvärden LÄNSSTYRELSEN ÖSTERGÖTLAND Dnr 501-13990-09 00-006 Titel: Författare: Utgiven av: Sekretess: Hemsida: Beställningsadress: Modellering av Östergötlands
Läs merSvenska Björn SE0110124
1 Naturvårdsenheten BEVARANDEPLAN Datum 2007-12-12 Beteckning 511-2006-060144 Svenska Björn SE0110124 Bevarandeplan för Natura 2000-område (Enligt 17 förordningen (1998:1252) om områdesskydd) Norrgrund
Läs merPeter Nolbrant, Väftgatan 2, Skene ,
Test av analyser av höjddata för att hitta värdefulla miljöer för bin Peter Nolbrant 2014-03-10 Jag har nyligen provat med analyser av höjddatabas (2x2 m) över området Osdal-Bråt för att se hur resultatet
Läs merHÖGSKOLAN I KAL MAR. Marin inventering av makrovegetation vid Almö, Kvalmsö och Listerby skärgårds naturreservat i Blekinge, hösten 2005
ISSN: 1402-6198 Rapport 2006:1 HÖGSKOLAN I KAL MAR Marin inventering av makrovegetation vid Almö, Kvalmsö och Listerby skärgårds naturreservat i Blekinge, hösten 2005 Mars 2006 Jonas Nilsson & Olof Lövgren
Läs merMarin vegetationsinventering. Södermanlands skärgård Rapport 2014:11
Marin vegetationsinventering i Södermanlands skärgård 2010 Rapport 2014:11 Titel: Marin vegetationsinventering i Södermanlands skärgård 2010 Utgiven av: Länsstyrelsen i Södermanlands ln Utgivningsår: 2014
Läs merMakrofytinventering i Ringsjön 2015
Makrofytinventering i Ringsjön 2015 1 Resultat Makrofytinventering i Ringsjön 2015 Sammanfattning Under hösten 2015 har förekomsten av undervattensväxter (makrofyter) i Ringsjön inventerats längs 72 transekter
Läs merYTTRANDE. Sammanfattning av synpunkter
SLU.dha.2013.5.5.- 100 ArtDatabanken YTTRANDE 2013-12-06 Yttrande över remiss avseende redovisning av regeringsuppdraget marint områdesskydd inom regleringsbrevet för budgetåret 2013 avseende Havsoch vattenmyndigheten.
Läs merrapport 2009/13 glofladan NO olaskär Ett restaureringsobjekt?
rapport 2009/13 glofladan NO olaskär Ett restaureringsobjekt? Johan Persson och Tomas Loreth Upplandsstiftelsen, Gustav Johansson, Hydrophyta Ekologikonsult, Författare Johan Persson och Tomas Loreth,
Läs merUtvärdering av visuella undervattensmetoder för uppföljning av marina naturtyper och typiska arter: variation, precision och kostnader
Utvärdering av visuella undervattensmetoder för uppföljning av marina naturtyper och typiska arter: variation, precision och kostnader Martin Gullström (Institutionen för ekologi, miljö och botanik, SU)
Läs merMöjligheter och problem med geografiska analyser i arbetet med grön infrastruktur i limnisk miljö
Möjligheter och problem med geografiska analyser i arbetet med grön infrastruktur i limnisk miljö Vem är jag Erik Årnfelt Länsstyrelsen Östergötland GIS-samordnare Nationellt GIS-stöd för GI Webb-gis,
Läs merJämförelse av överlappande höjdmodeller
L A N T M Ä T E R I E T 1 (10) PM Jämförelse av överlappande höjdmodeller 2011-07-01 Dnr Jämförelse av överlappande höjdmodeller Bakgrund Vid uppbyggnaden av Ny nationell höjdmodell kommer laserskanningen
Läs merÖvervakning av Makroalger i Brofjorden 1992-2014. Inventeringsår 2014 Sandra Andersson David Börjesson
Övervakning av Makroalger i Brofjorden 199-1 Inventeringsår 1 Sandra Andersson David Börjesson Övervakning av Makroalger i Brofjorden 199-1 Inventeringsår 1 Titel Övervakning av Makroalger i Brofjorden
Läs merKartläggning av marina habitat i reservat Stora Amundö och Billdals skärgård
Rapport 2019:03 Miljöförvaltningen Kartläggning av marina habitat i reservat Stora Amundö och Billdals skärgård ISBN nr: 1401-2448 www.goteborg.se MILJÖPOLICY FÖR GÖTEBORGS STAD Miljöpolicyn beskriver
Läs merMetodbeskrivning för framtagande av GIS-karta för en nationellt övergripande bild av marin grön infrastruktur
Metodbeskrivning för framtagande av GIS-karta för en nationellt övergripande bild av marin grön infrastruktur Nicklas Wijkmark och Carolina Enhus, AquaBiota Water Research AB Juni 2015 Inledning och syfte
Läs merSamordnad uppföljning m.h.a visuella metoder
Samordnad uppföljning m.h.a visuella metoder Övervakning av biologisk mångfald m.h.a. visuella metoder Foto Sandra Andersson Foto: Lst AC Varför uppföljning/övervakning av biologisk mångfald i havsmiljö?
Läs merWATERS: Förslag på enhetlig hantering av osäkerhet inom statusklassning och uppföljning
WATERS: Förslag på enhetlig hantering av osäkerhet inom statusklassning och uppföljning Mats Lindegarth Institutionen för Biologi och Miljövetenskap, Tjärnö Havsmiljöinstitutet WATERS is coordinated by
Läs merÅlgräs i Lommabukten Kävlingeåns vattenråd
Ålgräs i Lommabukten 2015 Kävlingeåns vattenråd 2015-11-27 Ålgräs i Lommabukten 2015 Kävlingeåns vattenråd Rapportdatum: 2015-11-25 Version: 1.0 Projektnummer: 2758 Uppdragsgivare: Kävlingeåns vattenråd
Läs merSammanställning och Analys av Kustnära Undervattenmiljö (SAKU)
Sammanställning och Analys av Kustnära Undervattenmiljö (SAKU) Redaktörer: Sandra Wennberg, Metria Miljöanalys Cecilia Lindblad, Naturvårdsverket NATURVÅRDSVERKET Text: Jan Albertsson, Umeå marina forskningscenter
Läs merNy nationell höjdmodell (NNH) Gävle kommun - användarerfarenheter
2011-09-20 Ny nationell höjdmodell (NNH) Gävle kommun - användarerfarenheter Ungefär 1/3 av Gävles yta har skannats och materialet levererades i januari 2011. Innehåll: o Projekt - Nya nivåkurvor till
Läs merRecipientkontroll av vegetationsklädda havsbottnar i södra Hälsinglands kustvatten år 2012
Recipientkontroll av vegetationsklädda havsbottnar i södra Hälsinglands kustvatten år 2012 2 Recipientkontroll av vegetationsklädda havsbottnar i södra Hälsinglands kustvatten år 2012 Författare: Anders
Läs merMetod för kartläggning av skyddszoner
Metod för kartläggning av skyddszoner Miljöavdelningen, Fiske- och vattenvårdsenheten Praktikant, Emma Cederlund 1 Titel: Författare: Handledare: Metod för kartläggning av skyddszoner Emma Cederlund Lukas
Läs merInom VELMU inventeras biodiversiteten i den marina undervattensnaturen
Inom VELMU inventeras biodiversiteten i den marina undervattensnaturen Målsättningen är hållbart nyttjande och skydd av havet Målsättningen inom VELMU-programmet är att inventera livsmiljöerna under vattnet
Läs merRapporten finns att hämta i PDF-format på Länsstyrelsens webbplats:
Titel: Undersökning av undervattensmiljöer vid Gotlands södra kust Rapportnummer: 2017:9 Diarienummer: 510-1402-2015 ISSN: 1653-7041 Rapportansvarig/Författare: Nicklas Wijkmark Foto omslagsbild framsida:
Läs merRecipientkontroll av vegetationsklädda havsbottnar i södra Hälsinglands kustvatten år 2014
Recipientkontroll av vegetationsklädda havsbottnar i södra Hälsinglands kustvatten år 2014 2 Recipientkontroll av vegetationsklädda havsbottnar i södra Hälsinglands kustvatten år 2014 Författare: Anders
Läs merKomplexa samband på bottnarna
Komplexa samband på bottnarna Hans Kautsky, Stockholms universitet / Stefan Tobiasson, Linnéuniversitetet / Jan Karlsson, Göteborgs universitet Samspelet mellan havets djur och växter är komplext. Djurpopulationernas
Läs merVersion 1.00 Projekt 7471 Upprättad Reviderad. Naturvärdesinventering tillhörande detaljplan för Hän, Töcksfors Årjängs kommun
Version 1.00 Projekt 7471 Upprättad 2018-11-26 Reviderad Naturvärdesinventering tillhörande detaljplan för Hän, Töcksfors Årjängs kommun 1 Sammanfattning En naturvärdesinventering har skett i samband med
Läs merLaserskanning för bättre beslut i skogsbruket - nu eller i framtiden?
Laserskanning för bättre beslut i skogsbruket - nu eller i framtiden? Johan Holmgren SkogsGIS 9-10 april 2014 Foto: Lee Shand Laserskanner: TopEye, BLOM Vilken information kan vi få? http://commons.wikimedia.org/wiki/file:airborne_laser_scanning_discrete_echo_and_full_waveform_signal_comparison.svg
Läs merInventering av snäckor i fem östgötska rikkärr
1(6) Inventering av snäckor i fem östgötska rikkärr Utförd 2006 och 2009 2(6) Inventering av snäckor i fem östgötska rikkärr Utförd 20062006-2009 Inventeringen har genomförts som en del i EU-LIFE-projektet
Läs mer