VALKMAN Värde- och kunsskapsbaserade scenarier för hållbart brukande av skogslandskapet

Syfte Modell för förvaltning av landskap som innefattar metoder för att : 1) skatta framtida tillgång på ekosystemvärden givet hur skogen brukas, 2) utarbeta kontrasterande scenarier för skogslandskapets utveckling, 3) involvera intressenter och deras värderingar för avvägning mellan olika målsättningar.

Värderingar och deltagande i planeringsprocesser

Norra fallstudieområdet, Västerbotten

Ekosystemvärden Virkesproduktion Naturvård Rennäring

Scenarier för skogens utveckling Utförs med Heurekasystemet:

Ekosystemvärden Heureka hanterar trädskiktet Nya ansatser för att hantera annan vegetation

Exkursion Käringberget

Ekosystemvärden Virkesproduktion Avverkning, jämnhet, virkesförråd Naturvård Gammal skog, lövrik skog, död ved Rennäring Renlav Viltbete Biomassa i betesbar höjd Bärproduktion Blåbärsris

Fyra grundscenarier Ökad virkesproduktion Ökad naturvård Dagens skogsbruk Renbruksanpassad

Värderingar och deltagande i planeringsprocesser Heurekas programvara för flermålsanalys: PlanEval Multi-Criteria Decision Analysis Utvecklas för deltagande planering Finns som web-applikation

Workshop med intressenter

Renlav (täckningsgrad) Workshop med intressenter Renlavsförekomst 9% 8% 7% 6% 5% 4% 3% BAU VP RS NV 2% 1% 0% 0 20 40 60 80 100 År

Workshop med intressenter

Södra fallstudieområdet norr Norrköping

WP 1 Satellit Laser SLU skogsdata ftp://salix.slu.se/download/skogskart a/2010/data/raster/rt90/ - ålder, trädslags data (björk, tall,.) blir anpassat till biomassan av skogliga grunddata (1. räkna ut procent inom skogsdata och räkna ut nya värde med hjälp av skattat biomassa av skogliga grunddata Skogliga grunddata http://www.skogsstyrelsen.se/skoglig agrunddata -biomassa, medelhjöd, grundyta, volym, markfuktighet, lutning Statiska variabler - altitud, lutning,fuktighetsindex - SMD / liknande + TAX data t.ex.vegetationstyps indelning från den närmaste tax yta Heureka grunddata model grunddata Tax / NILS / respons variabel Variabe. som vi vill skatta /prediktera (t.ex renlav, fågelförekomst, fladdermus, blåbär non tree variable (NTV) model Prognos av trädskiktsdata polygonbaserat samma som ovanför (indata: Satellit och Laser) Prognos av trädskiktsdata raster + Prognos av NTV Raster / polygon

Förekomst av blåbär WP 1 År 0 Täckningsgrad av blåbärsris

Förekomst av blåbär WP 1 År 25 Täckningsgrad av blåbärsris

Förekomst av blåbär WP 1 areal with blueberries [%] 40 45 50 55 60 65 70 0 20 40 60 80 100 years

WP 1 Satellit Laser SLU skogsdata ftp://salix.slu.se/download/skogskart a/2010/data/raster/rt90/ - ålder, trädslags data (björk, tall,.) blir anpassat till biomassan av skogliga grunddata (1. räkna ut procent inom skogsdata och räkna ut nya värde med hjälp av skattat biomassa av skogliga grunddata Skogliga grunddata http://www.skogsstyrelsen.se/skoglig agrunddata -biomassa, medelhjöd, grundyta, volym, makrfuktighet, lutning Statiska variabler - altitud, lutning,fuktighetsindex - SMD / liknande + TAX data t.ex.vegetationstyps indelning från den närmaste tax yta Heureka grunddata model grunddata Tax / NILS / respons variabel Variabel som vi vill skatta /prediktera (t.ex renlav, fågelförekomst, fladdermus, blåbär non tree variabel (NTV) model Prognos av trädskiktsdata polygonbaserat samma som ovanför (indata: Satellit och Laser) Prognos av trädskiktsdata raster + Prognos av NTV Raster / polygon

Modell för skattning av antalet sångfågelarter Svensk Fågeltaxering WP 1 Generalised Additive Model

WP 1 s(age_forest,6.22) -2.0-1.5-1.0-0.5 0.0 0.5-0.6-0.5-0.4-0.3-0.2-0.1 0.0 0.1 0.0 0.2 0.4 0.6 0.8 1.0 prop_aker s(age sd_forest,5.3) -0.8-0.4 0.0 0.2 0.4 0.6 s(prop_aker,1) -0.4-0.2 0.0 0.2 0.4 0.0 0.2 0.4 0.6 0.8 1.0 prop_skog s(bio_mean,0) -0.004-0.002 0.000 0.002 0.004 s(prop_skog,5.56) -1.2-1.0-0.8-0.6-0.4-0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0 prop_vaten s(decisious_bar,1) -1.0-0.8-0.6-0.4-0.2 0.0 0.2 s(prop_vaten,2.46) s(prop_bygg,2.36) -1.5-1.0-0.5 0.0 0.5 0.0 0.2 0.4 0.6 0.8 1.0 prop_bygg 0 20 40 60 80 100 120 10 20 30 40 0 50 100 150 200 250 300 0.0 0.2 0.4 0.6 0.8 age_forest age sd_forest bio_mean decisious_bar

Fältkontroll av modellen WP 1

~ 0.81 WP 1

Delprojekt (WP) WP 1. Skattning av ekosystemvärden på landskapsnivå Sven Adler, Henrik Hedenås, Grzegorz Mikusinski WP 2. Scenarier för skogslandskapets utveckling Hampus Holmström, Karin Öhman, Tomas Lämås, WP 3. Värde-baserat beslutsfattande Karin Öhman, Elin Ångman, Eva-Maria Nordström

Skogliga hållbarhetsanalyser, SHa www.slu.se/sha