av tätortsnära natur i Eskilstuna 2017
Rapport och analyser: Caspar Ström Foto om inget annat anges: Caspar Ström Datum: 2017-03-24 Citeras som: Ström, C. 2017. av tätortsnära natur i Eskilstuna. Eskilstuna kommun.
Innehållsförteckning Sammanfattning...1 Inledning...1 Syfte... 1 Bakgrund... 2 Metod...3 Naturtypskartering... 3... 4 Resultat och diskussion...8 Hur ska resultaten tolkas?... 8 Begränsningar och felkällor... 9 Referenser...10 Bilagor Bilaga 1. Översiktliga kartor Bilaga 2. Motståndstabeller. Detaljerade kartor
Fig. 1. Eskilstunaån. Sammanfattning Att upprätthålla och stärka konnektiviteten (graden av sammanlänkning) mellan naturområden är en viktig del i arbetet med att gynna biologisk mångfald. Denna analys syftar till att kartlägga viktiga spridningsvägar för vilda djur, växter och svampar inom Eskilstuna stadsbygd samt barriärer för spridning. En nätverksanalys gjordes baserad på en grafteoretisk modell för att identifiera potentiella nätverk av livsmiljöer och spridningsvägar. Analysen riktade in sig på fyra övergripande nätverk: löv- och blandskog, barr- och blandskog, ädellövskog och gräsmarker. Som underlag för analysen användes framförallt naturvärdesinventeringar. Analysen kan användas för att bedöma olika områdens betydelse för biologisk mångfald sett ur ett landskapsperspektiv. Resultatet redovisas som kartor i bilagor till denna rapport och som GIS-skikt. Inledning Syfte Under 2016 genomfördes flera naturvärdesinventeringar av Eskilstunas tätort med omnejd. Det finns numera ett mer eller mindre heltäckande kartmaterial över naturvärden i stadens grönområden och tätortsnära natur. Materialet utgör ett mycket bra underlag för att arbeta vidare med analyser av den gröna infrastrukturen på landskapsnivå. Denna analys syftar till att kartlägga potentiella nätverk av livsmiljöer samt spridningsvägar för biologisk mångfald inom stadsbygden. Resultatet kommer att kunna användas som stöd vid fysisk planering, vid planering av naturvårdsåtgärder, i arbetet med kommunens grönplan m.m. Målgrupp för denna rapport är i första hand de som arbetar med naturvård på kommunen. Statliga bidrag till lokala naturvårdsprojekt medfinansierade genomförandet av detta projekt. 1
Bakgrund De senaste åren har intresset för landskapsekologi ökat inom naturvården som ett svar på den pågående fragmenteringen av naturmiljöer. Sedan 2015 finns ett regeringsuppdrag åt länsstyrelserna att ta fram regionala handlingsplaner för grön infrastruktur (Naturvårdsverket 2015). Uppdraget grundar sig i EU:s biodiversitetsstrategi och syftar till ( ) att identifiera naturområden, biotoper, strukturer och element i landskapet som skapar ett ekologiskt sammanhang i hela landskapet och som tillsammans utgör förutsättningen för att bevara landskapets biologiska mångfald och främja ekosystemtjänster. (Miljödepartementet 2014) Det finns en insikt om att konnektiviteten (graden av sammanlänkning) mellan återstående naturfragment är viktig att bevara och utveckla. I ett kort tidsperspektiv har konnektivitet betydelse för organismers förutsättningar att reproducera sig och utnyttja olika resurser i sin omgivning (t.ex. Clergeau & Burel 1997, Groom 2001). I det längre perspektivet har det betydelse för genflöden, återkolonisering av områden och för organismers möjligheter att förflytta sig som svar på klimatförändringar (Crooks & Sanjayan 2006, Nuñez m.fl. 2013). Vissa arter kan dock färdas mycket långa sträckor med vindar och begränsas överhuvudtaget inte av konnektivitet. Inom landskapsekologi beskrivs landskapet ofta som öar av livsmiljöer (patcher) i ett hav av mer eller mindre ogästvänliga miljöer (matrix) (Forman & Godron 1986). na bildar nätverk som länkas samman av spridningslänkar, korridorer eller hoppstenar (stepping stones). Sådana nätverk kan representeras med hjälp av modeller från graf- och kretsteori (Urban m.fl. 2009, McRae m.fl. 2008). De senaste åren har det kommit flera programvaror för detta syfte som finns tillgängliga för fri nedladdning, bland annat Conefor (Saura & Torné 2009), Linkage Mapper (McRae & Kavanagh 2011), Graphab (Foltête m.fl. 2012) och Circuitscape (McRae m.fl. 2013). Modellerna kan kombineras med så kallad Least Cost Path (LCP)-analys som skapar viktade länkar mellan patcher baserat på genomsläpplighet eller barriäreffekter hos olika marktyper. Vad som utgör barriärer för spridning beror helt och hållet på vilken art eller artgrupp som studeras. Infrastruktur som bebyggelse och vägar utgör exempelvis spridningsbarriärer för många djur. Många skogslevande arter undviker öppen mark (Rodriguez m.fl. 2001) och arter som lever i öppna marker undviker ofta skog (Dover & Settele 2009). För att mäta konnektiviteten i nätverk har det utvecklats en uppsjö av konnektivitetsindex. De är bland annat användbara vid prioritering mellan områden eller för att jämföra effekterna av olika scenarier på konnektivitet (Foltête m.fl. 2014). Två typer av konnektivitetsindex som har en utbredd användning är centralitetsindex och Habitat Availability-index. Ett centralitetsindex mäter hur centralt till exempel en patch är positionerad i ett nätverk och därmed hur stor betydelse den har för kopplingar mellan andra patcher. Den senare kategorin mäter mängden tillgänglig livsmiljö i ett landskap genom att både ta hänsyn till konnektivitet och områdens storlek (Pascual- Hortal & Saura 2006). En viktig skillnad är att Habitat Availability-index kan användas för att mäta den totala konnektiviteten i ett nätverk vilket har flera fördelar (Pascual-Hortal & Saura 2006, Foltête m.fl. 2014). En viktig parameter i analyser av konnektivitet är det maximala avstånd som en art kan förväntas spridas utanför sin livsmiljö. När syftet är att kartlägga nätverk av biotoper väljs en eller flera fokusarter eller modellarter ut vars spridningsvärden är kända (t.ex. Koffman m.fl. 2015). Alternativt väljs spridningsvärden utifrån ekologisk kunskap för att representera arter med en viss spridningsförmåga (t.ex. Lechner & Lefroy 2015). Det maximala spridningsavståndet kan också skilja sig för en och samma art beroende på vilken typ av rörelser som är intressanta i sammanhanget: till exempel storleken på artens aktivitetsområde (home-range), födosöksområdet under en viss årstid eller vilka områden som är tillgängliga för kolonisering. 2
Metod Fyra potentiella habitatnätverk analyserades : gräsmarker, ädellövskog, löv- och blandskog samt barr- och blandskog. Som patcher användes endast områden som identifierats i samband med naturvärdesinventeringar. Fig. 2 sammanfattar analysens olika steg. Hela proceduren upprepades för varje nätverk. 1. Naturtypskartering 2. Identifiera och klassa land- och naturtyper samt spridningsbarriärer Identifiera patcher Konvertera till rasterformat och sammanfoga till ett raster Skapa länkar (Least Cost Paths) Skapa graf (uppsättning patcher och länkar) Beräkna patchkapaciteter Beräkna konnektivitetsindex Fig. 2. Flödesschema över analysens huvudsakliga steg. Naturtypskartering Kartor över land- och naturtyper samt spridningsbarriärer togs fram med hjälp av naturvärdesinventeringar och befintligt kartmaterial som finns tillgängligt i Eskilstuna kommun (Tabell 1). Kartorna togs fram i rasterformat med upplösningen 10x10 m. För att undvika kanteffekter i analysen omfattade karteringen hela kommunen. Tillvägagångssättet skilde sig något för de olika naturtyperna, se nedan. Tabell 1. Underlag för naturtypskartering. Underlag Användning Hämtad från Fastighetskartan Infrastruktur m.m. - CadasterENV Krontäckning m.m. http://mdp.vic-metria.nu/miljodataportalen/ Svenska Marktäckedata (SMD) Skogsklasser Naturvärdesinventeringar, skogsklasser Se Ström (2017) Utförda avverkningar, Skogsstyrelsen Hyggen 3 http://mdp.vic-metria.nu/miljodataportalen/ http://skogsdataportalen.skogsstyrelsen.se/ Skogsdataportalen/
Fig. 3. Gräsmark med höga naturvärden i Slagsta. Foto: Karolin Ring. Gräsmarker Det huvudsakliga underlaget för gräsmarker var ängs- och betesmarksinventeringen och ett fåtal objekt som identifierats vid andra naturvärdesinventeringar. För att få med viktiga spridningsvägar klassades också vägkanter, banvallar, skogsbryn mot åkermark och kraftledningsgator som gräsmark. Fig. 4 visar ett utsnitt ur gräsmarkskarteringen. Skog Skogsmark delades in i klasser med naturvärdesinventeringar och Svenska Marktäckedata (SMD) som underlag. Ett skikt med >= 50% krontäckning >= 15 meter trädhöjd togs fram med CadasterENV, skikten tree_height och tree_cover. Skogsklasserna överlagrades sedan med krontäckningsskiktet. De delar av krontäckningsskiktet som inte fick någon skogsklass klassades som övrig skog. Fig. 4 visar ett utsnitt ur skogskarteringen. Ungskog togs fram med SMD:s kategorier hyggen och ungskogar tillsammans med CadasterENV, skiktet tree_height med trädhöjd = 10 m. All mark som ingick i skogsstyrelsens skikt Utförda avverkningar med avverkningstyp Förynringsavverkning klassades som hygge. Skogsmark enligt fastighetskartan utan krontäckning och som varken var ungskog eller hygge klassades som annan öppen mark. Alla analyser gjordes i programmet Graphab 2.0 som använder en grafmodell för att representera nätverk (Foltête m.fl. 2012). I Graphab kan en graf (det vill säga ett nätverk) visas antingen som en enkel graf med noder eller mer naturtroget med patcher och viktade länkar (LCPs) (fig. 6). Som indata krävs en karta över landskapet i rasterformat. Fyra nätverk skapades i Graphab baserade på naturtypskartorna för respektive nätverk samt motståndstal för olika landtyper (se Fig. 5 samt Bilaga 2). 0.2 ha sattes som minsta patchstorlek. 4
Fig. 4. Utsnitt ur skogskarteringen (ovan) och gräsmarkskarteringen (nedan). 5
Fig. 5. Utsnitt ur de rasterkartor som utgjorde underlag till nätverksanalysen där landtyperna har graderats efter spridningsmotstånd (mörkare färg = större motstånd). Den övre kartan avser gräsmarksanalysen och den undre analyserna av skogsnätverk. Motståndstal för de olika nätverken redovisas i Bilaga 1. 6
Två olika längsta avstånd användes för länkarna: 1000 respektive 2500 avståndsenheter, förutom för ädellövskogsnätverket som var mycket uppsplittrat vid 1000, därför valdes istället 2500 och 5000 för ädellöv. Avstånden valdes i första hand för att representera spridningsbegränsade arter eftersom insatser för arter med sämre spridningsförmåga generellt också gynnar mer lättspridda arter (Rubio & Saura 2012). Det är också möjligt att göra denna typ av analys med oändligt spridningsavstånd (Foltête m.fl. 2014). Fig. 6. Två sätt att rita grafer i Graphab; med patcher och viktade länkar (vänster) eller med noder och oviktade länkar (höger). Konnektivitetsindex Graphab har inbyggda funktioner för att beräkna ett stort antal konnektivitetsindex. Probability of Connectivity Index (PC) (Saura & Pascual-Hortal 2007), Integral Index of Connectivity (IIC) (Pascual-Hortal & Saura 2006) och Current Flow (CF) (Carroll m.fl. 2012, Girardet m.fl. 2015) räknades ut för alla patcher och spridningslänkar. PC och IIC utgör varianter av samma index. De är så kallade Habitat Availability-index och mäter sannolikheten att två individer som slumpvis placeras i ett landskap hittar till varandra. Värdet säger ingenting i sig, utan det är delta-värdet (dpc eller diic) som är intressant, det vill säga förändringen som uppstår när en patch tas bort eller läggs till. Detta ger ett mått på hur viktig varje patch eller länk är för hela nätverket och kan användas för att identifiera kritiska punkter vars förlust skulle ha stora effekter på konnektiviteten. Skillnaden mellan de två måtten är att PC tar hänsyn till avståndet/ motståndet i varje länk (det vill säga sannolikheten för spridning), medan IIC betraktar alla länkar som likvärdiga. En tolkning är att IIC mäter kolonisering och andra processer som pågår under långa tidsperspektiv (det krävs bara en enda lyckad spridning för att kolonisering ska ske), medan PC är mer relevant för djurs rörelser under sin livstid (Bodin & Saura 2010). Tre parametrar behövs för att räkna ut PC: längsta avstånd (d), avståndets sannolikhet (p) och beta (β). Betavärdet anger hur stor betydelse patchkapaciteten (Patch Capacity) ska ha i beräkningen (se nedan). Vid beräkning av IIC i Graphab 2.0 fylls alla parametrar i automatiskt. CF är ett centralitetsindex som använder en algoritm avsedd för att beräkna ström i elektriska kretsar. Genom att i tur och ordning ansluta varje patch till jord och betrakta övriga patcher i nätverket som strömkällor är det möjligt att summera det totala flödet ( strömmen ) som går genom varje patch och de länkar som är kopplade till den (Girardet m.fl. 2015). Liksom IIC tar CF hänsyn till patchkapacitet (motsvarar strömstyrka i beräkningen) men inte till spridningsmotstånd. CF säger ingenting om enskilda patchers eller länkars bidrag till hela nätverkets konnektivitet utan visar var det finns koncentrerade flöden, till exempel vilka punkter som ofta passeras av djur som rör sig genom landskapet. Det har bland annat använts för att identifiera vägsträckor med stor sannolikhet för viltolyckor (Girardet m.fl. 2015). 7
Patchkapacitet Patchkapacitet är ett värde som beräknas på förhand för varje patch och som ingår i beräkningen av vissa konnektivitetsindex. Oftast används patchstorleken (area). Här användes Neighbourhood Area som är ett mått på arealen av närbelägna områden. Genom att ta med arealen av potentiella stödhabitat m.m. kan Neighbourhood Area fungera som en indikator för kvaliteten på omgivande matrix. Kvaliteten på matrix är en av de viktigaste landskapsfaktorerna efter patchstorlek och konnektivitet (Prevedello & Vieira 2010). Eftersom många av områdena i analysen var mycket små till ytan antogs Neighbourhood Area vara viktigare än patchstorlek. Både närbelägna patcher och utvalda klasser av matrix kan användas för att beräkna Neighbourhood Area. I analysen av skogsnätverk användes, förutom skogsklasserna, parker, produktionsskog och övrig skog. I gräsmarksanalysen användes samtliga gräsmarker inklusive klassen övrig gräsmark. För beräkningen användes ett längsta avstånd på 1000 avståndsenheter och en viktning där mer närbelägna områden värderades högre. Resultat och diskussion Hur ska resultaten tolkas? I den här analysen kartlades fyra nätverk av livsmiljöer: gräsmarker, ädellövskog, löv- och blandskog samt barr- och blandskog. Kartor över nätverken redovisas i Bilaga 1 (översiktliga kartor) och i (detaljerade kartor). Genom att arbeta med dessa nätverk täcker man sannolikt in de viktigaste livsmiljöerna och spridningsvägarna för biologisk mångfald i staden. Eftersom olika arter (och individer) har sina egna specifika krav på livsmiljöer bör nätverken ses som bruttonätverk som rymmer ett stort antal okända, mindre nätverk. Om tid och resurser finns kan nätverken valideras med riktade artinventeringar. Som hjälp vid prioritering graderades nätverkens beståndsdelar med olika konnektivitetsindex (). De tre index som användes (PC, IIC och CF) ger en kompletterande bild av vilka patcher och länkar som har störst betydelse för konnektiviteten (Bodin & Saura 2010). Utslaget på de olika indexen kunde skilja sig stort för vissa enskilda patcher och länkar vilket understryker vikten av att använda flera index. De valda spridningsavstånden 1000 och 2500 avståndsenheter kan antas representera arter med dålig förmåga att kolonisera nya områden, alternativt arter med relativt god spridningsförmåga vid födosök och bosök. Vid kortare avstånd (500 eller mindre) var nätverken uppdelade i många små, isolerade delar vilket tyder på att mycket svårspridda arter som till exempel vissa hålträdslevande skalbaggar får svårt att överleva inom stadsbygden (Bergman m.fl. 2012). Även vid 1000 avståndsenheter var nätverken delvis mycket uppsplittrade. Eftersom avstånden i denna analys är viktade med hänsyn till barriäreffekter är det vanskligt att jämföra med publicerade spridningsavstånd för olika arter, men som exempel kan nämnas omkring 500 m för många vildbin vid födosök (Linkowski m.fl. 2004), 1000-2500 m för spridning av flera skalbaggar som lever av död ved (Ranius & Roberge 2011), 100-1000 m för en del svampar och lavar (Nordén m.fl. 2014) och 5500 m för den rödlistade mindre bastardsvärmaren som förekommer i Eskilstuna (Franzén & Nilsson 2007). Viktigt att komma ihåg är att många arter inte är spridningsbegränsade på de skalor som analyserats, patcher som fått låga poäng på samtliga konnektivitetsindex är alltså inte per automatik värdelösa. För sådana patcher bör istället andra indikatorer som naturvärde och patchstorlek användas. 8
Begränsningar och felkällor Naturen och landskapet befinner sig i ständig förändring; denna analys är en nulägesbeskrivning och kommer med tiden att bli missvisande. Tolkningar av resultaten bör därför alltid om möjligt kompletteras med aktuella flygbilder eller fältbesök. Det vore också värdefullt att komplettera analysen med prognoser av nätverkens framtida utveckling. Områden som idag har en mindre betydelse skulle kunna bli mycket viktiga i ett framtida scenario av förtätning, igenväxning etc. Analysen gjordes på kommunal skala och visar först och främst vilka områden som har betydelse för konnektiviteten i hela kommunen. Detta medför att vissa områden i tätorten har fått mycket låga poäng på konnektivitetsindexen relativt det övriga nätverket, trots att de kan vara lokalt viktiga. För att synliggöra små, lokala skillnader kan man till exempel använda en geometrisk skala. Vid mycket låg konnektivitet bestäms dock värdet på indexen nästan uteslutande av patchkapaciteten (det vill säga Neighbourhood Area). Least Cost Path-metoden har en inbyggd begränsning i att den endast väljer ut den kortaste vägen. Den ger därmed ingen fullständig kartläggning av spridningslänkar, vilket i sin tur medför att enskilda patcher eller länkar ibland tillmäts en oproportionerligt stor betydelse i analysen. Detta gäller speciellt indexet IIC (Bodin & Saura 2010). McRae & Beier (2007) ansåg att modeller som tar hänsyn till samtliga spridningsvägar (som Circuitscape) är bättre lämpade för att kartlägga genflöden. För att synliggöra spridningsbarriärer i analysen användes ganska höga motståndstal, vilket gör spridningslänkarna mindre relevanta för bland annat fåglar som utan problem kan korsa vägar. Å andra sidan är motståndstalen otillräckliga för arter som aldrig korsar vägar. E20 utgör troligen en absolut barriär för många arter men har i analysen fått en viss genomsläpplighet. Slutligen bör påpekas att metoden att kombinera LCP-analys med graf- och kretsteori, som i Graphab, är relativt ny och föremål för pågående forskning. Det har exempelvis rått osäkerhet kring den ekologiska betydelsen av olika konnektivitetsindex (Rubio & Saura 2012). Det finns dock gott om exempel på tillämpningar av metoden inom naturvård (Clauzel m.fl. 2013, Foltête m.fl. 2014, Clauzel m.fl. 2015, Dutta m.fl. 2015, Girardet m.fl. 2015, Lechner & Lefroy 2015). 9
Referenser Bergman, K.-O., Jansson, N., Claesson, K. Palmer, M.W. & Milberg, P. 2012. How much and at what scale? Multiscale analyses as decision support for conservation of saproxylic oak beetles. Forest Ecology & Management, 265, 133-141. Bodin, Ö. & Saura, S. 2010. Ranking individual habitat patches as connectivity providers: integrating network analysis and patch removal experiments. Ecological Modelling, 221, 2393 2405. Clauzel, C., D. Xiqing, W. Gongsheng, P. Giraudoux, & L. Li. 2015. Assessing the impact of road developments on connectivity across multiple scales: Application to Yunnan snub-nosed monkey conservation. Biological Conservation 192: 207 217. Clauzel, C., X. Girardet & Foltête, J.-C. 2013. Impact assessment of a high-speed railway line on species distribution: application to the European tree frog (Hyla arborea) in Franche-Comté. Journal of Environmental Management 127: 125 134. Crooks, K.R. & Sanjayan, M. (red.) 2006. Connectivity Conservation. Cambridge Univ Press, Cambridge, UK. Dover, J. & Settele, J. 2009. The influences of landscape structure on butterfly distribution and movement: a review. J Insect Conserv. 13: 3. Dutta, T., S. Sharma, B. H. McRae, P. S. Roy, & R. DeFries. 2015. Connecting the dots: mapping habitat connectivity for tigers in central India. Regional Environmental Change: 1 15. Foltête J.C., Clauzel C., Vuidel G. 2012. A software tool dedicated to the modelling of landscape networks, Environmental Modelling & Software, 38: 316-327. Foltête J.C., Girardet X., Clauzel C., 2014. A methodological framework for the use of landscape graphs in land-use planning Landscape and Urban Planning, 124: 140-150. Forman, R.T.T., Godron, M. 1986. Landscape ecology. Wiley, New York. Franzén, M. & Nilsson, S.G. 2007. What is the required minimum landscape size for dispersal studies? J Anim Ecol, 76: 1224-30. Girardet, X., Conruyt-Rogeon, G., Foltête, J.C., 2015. Does regional landscape connectivity influence the location of roe deer roadkill hotspots? European Journal of Wildlife Research, 61: 731-742. Groom, M.J. 2001. Consequences of subpopulation isolation for pollination, herbivory, and population growth in Clarkia concinna concinna (Onagraceae). Biological Conservation 100, 55-63. Koffman, A. m.fl. 2015. Ekologiska landskapssamband. Kartläggning av de stödjande ekosystemtjänsterna habitat för arter och genetisk variation. Calluna AB. Lechner, A.M. & Lefroy, E.C. 2015. Greater Hunter landscape connectivity assessment. University of Tasmania, Hobart, Tasmania. Linkowski, W., Pettersson, M.W., Cederberg, B. & Nilsson, L.A. 2004. Nyskapande av livsmiljöer och aktiv spridning av vildbin. Rapport till Jordbruksverket, Jönköping. McRae, B. H. & Beier, P. 2007. Circuit theory predicts gene flow in plant and animal populations. Proceedings of the National Academy of Sciences 104: 19885 19890. McRae, B. H., Dickson, B. G., Keitt, T. H. & Shah, V. B. 2008. Using circuit theory to model connectivity in ecology, evolution, and conservation. Ecology, 89: 2712 2724. 10
McRae, B.H. & Kavanagh, D.M. 2011. Linkage Mapper Connectivity Analysis Software. The Nature Conservancy, Seattle WA. http://www.circuitscape.org/linkagemapper McRae, B.H., Shah, V.B. & Mohapatra, T.K. 2013. Circuitscape Connectivity Analysis Software. The Nature Conservancy, Seattle WA. http://www.circuitscape.org/downloads Miljödepartementet 2014. Regeringsbeslut. Uppdrag att ta fram riktlinjer och en genomförandeplan avseende regionala handlingsplaner för grön infrastruktur. M2014/1948/NM. http://www. naturvardsverket.se/upload/miljoarbete-i-samhallet/miljoarbete-i-sverige/regeringsuppdrag/2014/ ru-gron-infrastruktur.pdf Nordén, B., Dahlberg, A., Brandrud, T.E., Fritz, Ö., Ejrnaes, R. & Ovaskainen, O. 2014. Effects of ecological continuity on species richness and composition in forests and woodlands: A review. Écoscience, 21:1, 34-45 Nuñez, T. A., Lawler, J. J., McRae, B. H., Pierce, D. J., Krosby, M. B., Kavanagh, D. M., Singleton, P. H. & Tewksbury, J. J. 2013. Connectivity Planning to Address Climate Change. Conservation Biology 27: 407 416. Pascual-Hortal, L. & Saura, S. 2006. Comparison and development of new graph-based landscape connectivity indices: towards the prioritization of habitat patches and corridors for conservation. Landscape Ecology, 21, 959 967. Rodriguez, A., Andrén, H. & Jansson, G. 2001. Habitat-mediated predation risk and decision making of small birds at forest edges. OIKOS 95: 383-396. Rubio, L. & Saura, S. 2012. Assessing the importance of individual habitat patches as irreplaceable connectivity providers: and analysis of simulated and real landscape data. Ecological Complexity, 11, 28 37. Saura, S. & J. Torné. 2009. Conefor Sensinode 2.2: a software package for quantifying the importance of habitat patches for landscape connectivity. Environmental Modelling & Software 24: 135-139. Saura, S. & Pascual-Hortal, L. 2007. A new habitat availability index to integrate connectivity in landscape conservation planning: Comparison with existing indices and application to a case study. Landscape and Urban Planning, 83, 91-103. Ström, C. 2017. Naturvärdesinventering av Eskilstuna stadsbygd. Eskilstuna kommun. Urban, D. L., Minor, E. S., Treml, E. A. & Schick, R. S. 2009. Graph models of habitat mosaics. Ecology Letters, 12: 260 273. 11
Gräsmarksnätverket, översiktlig karta Bilaga 1 Torshälla Eskilstuna 0 625 1250 2500 Meter
Ädellövskogsnätverket, översiktlig karta Bilaga 1 Torshälla Eskilstuna 0 625 1250 2500 Meter
Löv- och blandskogsnätverket, översiktlig karta Bilaga 1 Torshälla Eskilstuna 0 625 1250 2500 Meter
Barr- och blandskogsnätverket, översiktlig karta Bilaga 1 Torshälla Eskilstuna 0 625 1250 2500 Meter
Motståndstal, gräsmarker Bilaga 2 Landtyp Motstånd Vatten 50 Byggnader 9999 Motorväg 500 Järnväg, större 100 Järnväg, mindre 50 Väg 50 Gång- och cykelväg 50 Hyggen 50 Skog 100 Naturvärdesobjekt, gräsmark 1 Övrig gräsmark 1 Ungskog 100 Industrimark 100 Hög bebyggelse 50 Låg bebyggelse 5 Parker och landsbygdsbebyggelse 2 Sluten bebyggelse 500 Odlad mark 50 Annan markanvändning 50 Annan öppen mark 10
Motståndstal, ädellövskog Bilaga 2 Landtyp Motstånd Vatten 500 Byggnader 9999 Motorväg 500 Järnväg, större 500 Järnväg, mindre 100 Väg 100 Gång- och cykelväg 100 Hyggen 50 Naturvärdesobjekt, ädellövskog 1 Naturvärdesobjekt, lövskog 1 Naturvärdesobjekt, blandskog 5 Naturvärdesobjekt, barrskog 10 Naturvärdesobjekt, parker med ädla lövträd 1 Naturvärdesobjekt, parker med lövträd 1 Naturvärdesobjekt, parker med barrträd 10 Naturvärdesobjekt, parker 5 SMD lövskog 1 SMD blandskog 5 SMD barrskog 10 Övrig skog 5 Gräsmark 50 Ungskog 100 Industrimark 500 Hög bebyggelse 100 Låg bebyggelse 50 Parker och landsbygdsbebyggelse 50 Sluten bebyggelse 500 Odlad mark 100 Annan markanvändning 100 Annan öppen mark 100
Motståndstal, löv- och blandskog Bilaga 2 Landtyp Motstånd Vatten 500 Byggnader 9999 Motorväg 500 Järnväg, större 500 Järnväg, mindre 100 Väg 100 Gång- och cykelväg 100 Hyggen 50 Naturvärdesobjekt, ädellövskog 1 Naturvärdesobjekt, lövskog 1 Naturvärdesobjekt, blandskog 1 Naturvärdesobjekt, barrskog 10 Naturvärdesobjekt, parker med ädla lövträd 1 Naturvärdesobjekt, parker med lövträd 1 Naturvärdesobjekt, parker med barrträd 10 Naturvärdesobjekt, parker 1 SMD lövskog 1 SMD blandskog 1 SMD barrskog 10 Övrig skog 5 Gräsmarker 50 Ungskog 100 Industrimark 500 Hög bebyggelse 100 Låg bebyggelse 50 Parker och landsbygdsbebyggelse 50 Sluten bebyggelse 500 Odlad mark 100 Annan markanvändning 100 Annan öppen mark 100
Motståndstal, barr- och blandskog Bilaga 2 Landtyp Motstånd Vatten 500 Byggnader 9999 Motorväg 500 Järnväg, större 500 Järnväg, mindre 100 Väg 100 Gång- och cykelväg 100 Hyggen 50 Naturvärdesobjekt, lövskog 10 Naturvärdesobjekt, blandskog 1 Naturvärdesobjekt, barrskog 1 Naturvärdesobjekt, parker med lövträd 10 Naturvärdesobjekt, parker med barrträd 1 Naturvärdesobjekt, parker 1 SMD lövskog 10 SMD blandskog 1 SMD barrskog 1 Övrig skog 5 Gräsmarker 50 Ungskog 100 Industrimark 500 Hög bebyggelse 100 Låg bebyggelse 50 Parker och landsbygdsbebyggelse 50 Sluten bebyggelse 500 Odlad mark 100 Annan markanvändning 100 Annan öppen mark 100
. Detaljerade kartor av tätortsnära natur i Eskilstuna
Gräsmarksnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 1 Gräsmarker dpc d=2500 β=0.5 p=0.05 0,000001-0,002623 0,002624-0,005780 0,005781-0,009528 0,009529-0,015697 0,015698-0,028949 0,000000-0,000250 0,000251-0,000907 0,000908-0,002165 0,002166-0,004353 0,004354-0,007859
Gräsmarksnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 2 Gräsmarker dpc d=1000 β=0.5 p=0.05 0,000003-0,001910 0,001911-0,004993 0,004994-0,008639 0,008640-0,014200 0,014201-0,030121 0,000000-0,000214 0,000215-0,000660 0,000661-0,001561 0,001562-0,003698 0,003699-0,009592
Gräsmarksnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 3 Gräsmarker diic d=2500 0,000000-0,002679 0,002680-0,005536 0,005537-0,009559 0,009560-0,017092 0,017093-0,044854 0,000000-0,000712 0,000713-0,002282 0,002283-0,004987 0,004988-0,010539 0,010540-0,017640
Gräsmarksnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 4 Gräsmarker diic d=1000 0,000000-0,003026 0,003027-0,007498 0,007499-0,013855 0,013856-0,027584 0,027585-0,071602 0,000002-0,000620 0,000621-0,002128 0,002129-0,005474 0,005475-0,010367 0,010368-0,030956
Gräsmarksnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 5 Gräsmarker CF d=2500 β=0.5 0,000000-152688,246677 152688,246678-371669,157270 371669,157271-621805,733711 621805,733712-910860,105956 910860,105957-1599059,460110 8,686159-100438,803123 100438,803124-215043,052615 215043,052616-375074,777746 375074,777747-672755,915128 672755,915129-1104907,424197
Gräsmarksnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 6 Gräsmarker CF d=1000 β=0.5 0,000000-1347,975480 1347,975481-4016,671219 4016,671220-8199,301871 8199,301872-17843,861603 17843,861604-36414,940186 30,009981-1976,694275 1976,694276-5087,020071 5087,020072-11072,874006 11072,874007-23522,562248 23522,562249-36041,235349
Ädellövskogsnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 5000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 7 Ädellövskog dpc d=5000 β=0.5 p=0.05 0,000000-0,001885 0,001886-0,005943 0,005944-0,016051 0,016052-0,042476 0,042477-0,331134 0,000000-0,000154 0,000155-0,000583 0,000584-0,001300 0,001301-0,004309 0,004310-0,008165
Ädellövskogsnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 8 Ädellövskog dpc d=2500 β=0.5 p=0.05 0,000000-0,001671 0,001672-0,005647 0,005648-0,012648 0,012649-0,032551 0,032552-0,342397 0,000000-0,000273 0,000274-0,001038 0,001039-0,002273 0,002274-0,006510 0,006511-0,010005
Ädellövskogsnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 5000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 9 Ädellövskog diic d=5000 0,000000-0,000611 0,000612-0,003074 0,003075-0,012223 0,012224-0,031031 0,031032-0,270100 0,000000-0,000230 0,000231-0,001028 0,001029-0,003610 0,003611-0,013350 0,013351-0,029227
Ädellövskogsnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 10 Ädellövskog diic d=2500 0,000000-0,000677 0,000678-0,004289 0,004290-0,010326 0,010327-0,031488 0,031489-0,377712 0,000000-0,000405 0,000406-0,001971 0,001972-0,003977 0,003978-0,013585 0,013586-0,029686
Ädellövskogsnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 5000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 11 Ädellövskog CF d=5000 β=0.5 0,000000-723,853577 723,853578-2438,843811 2438,843812-5201,326464 5201,326465-9461,900455 9461,900456-18871,169350 0,997884-925,098427 925,098428-2403,590103 2403,590104-4143,955764 4143,955765-7159,752121 7159,752122-11378,669118
Ädellövskogsnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 12 Ädellövskog CF d=2500 β=0.5 0,000000-229,759947 229,759948-1011,098900 1011,098901-2727,247047 2727,247048-5944,999548 5944,999549-10691,417977 0,000000-348,171618 348,171619-958,963894 958,963895-2030,470203 2030,470204-3496,051138 3496,051139-7426,783652
0 1250 2500 5000 Meter Löv- och blandskogsnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 13 Löv- och blandskog dpc d=2500 β=0.5 p=0.05 0,000000-0,001767 0,001768-0,004753 0,004754-0,008978 0,008979-0,014821 0,014822-0,023324 0,000000-0,000428 0,000429-0,001499 0,001500-0,003121 0,003122-0,006985 0,006986-0,013868
0 1250 2500 5000 Meter Löv- och blandskogsnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 14 Löv- och blandskog dpc d=1000 β=0.5 p=0.05 0,000000-0,001793 0,001794-0,005057 0,005058-0,010244 0,010245-0,017043 0,017044-0,029553 0,000000-0,000375 0,000376-0,001173 0,001174-0,002367 0,002368-0,004812 0,004813-0,010102
0 1250 2500 5000 Meter Löv- och blandskogsnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 15 Löv- och blandskog diic d=2500 0,000000-0,002326 0,002327-0,008071 0,008072-0,019543 0,019544-0,047850 0,047851-0,157634 0,000000-0,000812 0,000813-0,004298 0,004299-0,017211 0,017212-0,030892 0,030893-0,153617
0 1250 2500 5000 Meter Löv- och blandskogsnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 16 Löv- och blandskog diic d=1000 0,000000-0,002995 0,002996-0,009905 0,009906-0,020501 0,020502-0,054595 0,054596-0,102843 0,000000-0,000915 0,000916-0,004325 0,004326-0,020795 0,020796-0,042923 0,042924-0,099468
0 1250 2500 5000 Meter Löv- och blandskogsnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 17 Löv- och blandskog CF d=2500 β=0.5 0,000000-202538,596465 202538,596466-562592,225820 562592,225821-986007,286286 986007,286287-1781621,298969 1781621,298970-3306568,530264 11,231770-88138,684319 88138,684320-247608,068863 247608,068864-511123,979950 511123,979951-971140,959084 971140,959085-2424998,528483
0 1250 2500 5000 Meter Löv- och blandskogsnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 18 Löv- och blandskog CF d=1000 β=0.5 0,000000-11144,697797 11144,697798-42805,147152 42805,147153-100622,878603 100622,878604-181536,207485 181536,207486-299949,221937 12,119699-7387,208127 7387,208128-24860,218896 24860,218897-64066,037625 64066,037626-139002,541488 139002,541489-304261,813697
0 1250 2500 5000 Meter Barr- och blandskogsnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 19 Barr- och blandskog dpc d=2500 β=0.5 p=0.05 0,000000-0,003077 0,003078-0,008226 0,008227-0,015137 0,015138-0,031562 0,031563-0,131517 0,000000-0,000297 0,000298-0,001002 0,001003-0,002525 0,002526-0,004761 0,004762-0,011420
0 1250 2500 5000 Meter Barr- och blandskogsnätverket graderat med delta Probability of Connectivity Index (dpc). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 20 Barr- och blandskog dpc d=1000 β=0.5 p=0.05 0,000000-0,003558 0,003559-0,010011 0,010012-0,019420 0,019421-0,036757 0,036758-0,115823 0,000000-0,000437 0,000438-0,001357 0,001358-0,002664 0,002665-0,004272 0,004273-0,009822
0 1250 2500 5000 Meter Barr- och blandskogsnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 21 Barr- och blandskog diic d=2500 0,000000-0,001540 0,001541-0,004702 0,004703-0,009429 0,009430-0,019043 0,019044-0,042619 0,000000-0,000233 0,000234-0,000736 0,000737-0,001741 0,001742-0,003478 0,003479-0,008961
0 1250 2500 5000 Meter Barr- och blandskogsnätverket graderat med delta Integral Index of Connectivity (diic). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 22 Barr- och blandskog diic d=1000 0,000000-0,002825 0,002826-0,008621 0,008622-0,017775 0,017776-0,032087 0,032088-0,060211 0,000000-0,000718 0,000719-0,002962 0,002963-0,008266 0,008267-0,018982 0,018983-0,036561
0 1250 2500 5000 Meter Barr- och blandskogsnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 2500 m (viktat avstånd). Brytpunkter enligt Jenks metod. 23 Barr- och blandskog CF d=2500 β=0.5 0,000000-122450,888278 122450,888279-310356,443668 310356,443669-553827,687834 553827,687835-1042750,025924 1042750,025925-2107963,936675 15,519627-56079,033747 56079,033748-128663,902399 128663,902400-231040,476869 231040,476870-406595,932284 406595,932285-757907,620403
0 1250 2500 5000 Meter Barr- och blandskogsnätverket graderat med Current Flow (CF). Maximalt spridningsavstånd: 1000 m (viktat avstånd). Brytpunkter enligt Jenks metod. 24 Barr- och blandskog CF d=1000 β=0.5 0,000000-40042,935911 40042,935912-122115,155332 122115,155333-239896,334904 239896,334905-414476,677123 414476,677124-1382812,159288 22,828208-28508,392170 28508,392171-69945,553562 69945,553563-130879,121802 130879,121803-219991,850643 219991,850644-419139,350692