Kartering av habitat med undervattensvideo

HTML
DOWNLOAD

Storlek: px

Starta visningen från sidan:

Download "Kartering av habitat med undervattensvideo"

Rolf Svensson
för 9 år sedan
Visningar:

Kartering av habitat med undervattensvideo Umeå, 2012-12-04 Göran Sundblad +46 8

1 Kartering av habitat med undervattensvideo Umeå, Göran Sundblad goran.sundblad@aquabiota.se Martin Isæus, Sofia Wikström, Karl Florén

2 AquaBiota Water Research AB Forsknings- och konsultföretag, startade augusti 2006 Dotterbolag till stiftelsen NIVA Norsk institutt for vannforskning Non profit and research SME (small and medium size enterprise) Bedriver bred verksamhet med koppling till marin miljö Specialitet: rumslig modellering i marin miljö Idag 16 anställda varav 10 disputerade

research SME (small and medium size enterprise) Bedriver bred verksamhet med koppling

3 Kartering av habitat med undervattensvideo Hur gör man och vad ser man? Ny metod: dropvideo + hugg på nästan varje station Direkt kartering Begränsade ytor Generalisering till större områden kräver modeller(ing)

4 Maps are essential PREHAB: Spatial prediction of benthic habitats in the Baltic Sea Idé: Framgångsrik rumslig förvaltning bygger på kunskap om utbredningen av värdefulla resurser Diversitet, habitat och associerade tjänster och varor Fokus: Utvärdering av metoder och potentialen i rumslig modellering Scenarioanalyser av förvaltningsbeslut, baserat på utbredningskartor Ekonomiska värdet i dessa resurser

associerade tjänster och varor Fokus: Utvärdering av metoder och potentialen i rumslig modellering

5 Respons Fältdata (observationer + miljö) Statistisk habitatbeskrivning Miljö Utvärdering Kvalitetskontroll Stort behov av kartunderlag för modelleringen! Prediktion Habitatkarta + konfidens

6 Stort behov av förklarande (miljö)kartor/gis-lager! Mekanistiska kopplingar till relevant biologi Tillgängliga i lämplig spatio-temporal upplösning och kvalitet Exempel vi jobbar med och där utvecklingen går framåt Djup SjV digitalisering + Lidar Siktdjup Satellitbaserat + Modellerat Substrat SGU ytsediment + EUNIS-lösningar Tar inte upp Antropogen påverkan Vågexponering Salinitet Temperatur

och kvalitet Exempel vi jobbar med och där utvecklingen går framåt Djup SjV digitalisering + Lidar

7 Digitalisering av historiska lodningsdata (a) (b) (c)

8 Batymetri (m) Grid baserad på sjökort 100 m Skriv rubrik här

9 Batymetri (m) Grid baserad på digitaliserade mätdata 200 m Skriv rubrik här

10 Superb, Lidar Exempel Finland Forststyrelsen & Länsstyrelsen Västerbotten - Furcellaria, Charales, Myriophyllum, Zannichellia/Ruppia Fältdata: - Dropvideo - slumpade stationer - rutnät Biotoper (BS EUNIS): - Fucus sp. - Filamentösa alger (perenn annuell) - Potamogeton (2 sp.) - Rooted plants - High vegetation (>50cm)

- slumpade stationer - rutnät Biotoper (BS EUNIS): - Fucus sp.

11 Superb, Lidar Indata, prediktorer/förklarande Uteslutna prediktorer: - alternativa salinitetsmått - temperatur (DD200) - Ice, antal veckor >30% istäcke Relativt god tillgång och intressanta spår att följa upp!

12 Superb Statistisk modell/habitatbeskrivning Variable importance (%) Response cvauc Deviance Depth SWM Secchi Salinity Prevalence (%) Fucus 0.94 (0.04) 0.53 (0.01) 62 (5) 16 (3) 4 (2) 18 (5) 23 Rooted Plants 0.95 (0.03) 0.59 (0.01) 35 (15) 47 (13) 18 (7) 15

Prevalence (%) Fucus 0.94 (0.04) 0.53 (0.

13 Superb Predikterade habitatkartor (utan substrat) cvauc: testauc:

AUC field depth AUC lidar AUC Finmarinet depth Response Filamentous algae 0.80 0.79 0.79 Fucus 0.87 0.86 0.85 Furcellaria* 0.70 0.

89 0.89 0.85 Viss försämring med att använda interpolerade sjömätningar jämfört med fältmätta djup (t=3.052, df=7, p=0.

14 AUC field depth AUC lidar AUC Finmarinet depth Response Filamentous algae Fucus Furcellaria* Rooted Plants Charales* Myriophyllum* Potamogeton High vegetation > 50 %* Viss försämring med att använda interpolerade sjömätningar jämfört med fältmätta djup (t=3.052, df=7, p=0.0185), men ingen skillnad mellan fältmätt djup och Lidar (t=0.4237, df=7, p=0.6845) Tillgång till Lidar förbättrar predikterade habitatkartor!

15 Exempel från länsprojekt

siktdjupskartering av stora områden Betydelse för biologisk kartering?

16 Satellitbeskrivning av siktdjup, Södermanland Samarbete med Brockman Geomatics Sweden AB & Strömbeck Consulting AB Kombination av två satelliter med olika egenskaper, Landsat och Meris Fältmätta kalibrerings- och oberoende testdata God potential för siktdjupskartering av stora områden Betydelse för biologisk kartering? Florén K, Philipson P, Strömbeck N, Nyström Sandman A, Isaeus M, Wijkmark N Satellite derived Secchi depth for improvement of habitat modelling in coastal areas. AquaBiota Report 2012:02.

17 Satellitbeskrivning av siktdjup, Södermanland Samarbete med Brockman Geomatics Sweden AB & Strömbeck Consulting AB Responsdata 1008 dropvideolokaler Blåstång Sudare Rödblad Fintrådiga rödalger Kräkel Axslinga Borstnate Ålnate Blåmussla Prediktorvariabler Siktdjup med och utan Djup Lutning Kurvatur Vågexponering Salinitet Temperatur Närhet till industri

Fintrådiga rödalger Kräkel Axslinga Borstnate Ålnate Blåmussla Prediktorvariabler

18 Satellitbeskrivning av siktdjup, Södermanland Samarbete med Brockman Geomatics Sweden AB & Strömbeck Consulting AB Tillgång till siktdjup förbättrade prediktiv förmåga för 3/9 arter. Lokala effekter i predikterade mönster Prediktioner visas i 200m cellupplösning men är gjord i 10m

förbättrade prediktiv förmåga för 3/9 arter.

Alternativt angreppssätt - Siktdjup via modellering Övervakningsdata Medelvärden 2000-2008 (månader 5-9) Totalt 821 provpunkter (80%) användes för modellbygge och 206 provpunkter (20%) hölls

19 Alternativt angreppssätt - Siktdjup via modellering Övervakningsdata Medelvärden (månader 5-9) Totalt 821 provpunkter (80%) användes för modellbygge och 206 provpunkter (20%) hölls tillbaka för validering Siktdjup beskrevs med koordinater, djup och andelen land inom 5km (avrinning) Deviance explained 85.3, R 2 mot tillbakahållet data 0.79 RMSE 0.69m vilket får ses som väldigt bra

hölls tillbaka för validering Siktdjup beskrevs med koordinater, djup och andelen land inom 5km

20 Substrat (för habitatkartering) Substrat den viktigaste prediktorvariabeln för bentisk vegetation (och för förekomst av evertebrater) Substrat saknas i stor utsträckning. SGU 1: , ej det biologiskt relevanta ytsubstratet * SGU -> så bra klassning av ytsubstrat det går * sonar Används till modellering inom länsprojekt i Blekinge samt Skåne, Marmoni

SGU 1:100 000, ej det biologiskt relevanta ytsubstratet * SGU -> så bra klassning av ytsubstrat

Substrat Ytkartering av substrat: EUNIS (atlant) (överlapp ) Matchning SGU dropvideo? Generellt finns en ganska bra överensstämmelse mellan SGU:s substratkartor och våra inventeringsdata.

EUNISmodeller/kartprediktioner. Ffa om man kan tillåta sig slå samman sand/grus-klasser. Alternativa lösningar diskuteras K1 Cobbles, boulders and bedrock (rock) Hårdbotten dominerad av homogen häll.

21 Substrat Ytkartering av substrat: EUNIS (atlant) (överlapp ) Matchning SGU dropvideo? Generellt finns en ganska bra överensstämmelse mellan SGU:s substratkartor och våra inventeringsdata. Ffa för fint/lerigt/gyttjigt samt hårt Problematiskt för sten/grus/grov sand/sand/fin sand, med undantag för sand/fin sand i Skåne (1: ) Förhoppningar att komma åt EUNISmodeller/kartprediktioner. Ffa om man kan tillåta sig slå samman sand/grus-klasser. Alternativa lösningar diskuteras K1 Cobbles, boulders and bedrock (rock) Hårdbotten dominerad av homogen häll. Även block och stora stenar ingår. Dominerande sedimentkategori (SGU): kristallin- och sedimentär berggrund Vanligt djup: 5-30 m Övrigt: sand, gravel och pebbles kan förekomma K3 Sand, coarse sand, gravel, shellgravel and pebbles Heterogen botten dominerad av sand. Även grovsand, grus och små stenar ingår. Dominerande sedimentkategori (SGU): glacial lera Vanligt djup: 5-90 m Övrigt: cobbles och nodules kan förekomma Hallberg O, Nyberg J, Elhammer A, Erlandsson C Ytsubstratklassning av maringeologisk information. SGU-rapport: Dnr /2009, Rapport Maringeologi nr 2010:1.

22 Kartering av habitat som förvaltningsunderlag - Behov av rumsliga förvaltningsunderlag - Undervattensvideo lämplig metod för habitatkartor - Teknisk utveckling -> bättre förvaltningsunderlag inkl. konfidens (osäkerhet) - Regionalt planeringsverktyg (Länsprojekt) Tack! - Utpeka områden med höga/låga naturvärden - Ärendehantering: vägledning om ytterligare platsundersökningar - Storskalig översiktsplanering - Vidare anv. av kartbaserade förvaltningsverktyg - Scenarioanalyser - Rumslig planering Göran Sundblad goran.sundblad@aquabiota.se

Relevanta dokument

Kartering 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