1 Fredrik Gaustad: Arkeologien i Vefsnbygdene, Vefsn bygdebok bind III, 1977. 2 Helgeland historie bind 1, s. 227.

3 Leif Elsvatn: Samiske stedsnavn i Hattfjelldal.

4 Notat av Gunhild Granefjell, dat. 22.07.97, etter opplysninger fra forhenværende bygdebokredaktør Kjell Jacobsen. 5 Opplyst av Jakob Varnvatn i intervju med Jostein Lorås 15.04.2011.

6 Einar Varnvatn, opplyst i intervju med Jostein Lorås i 1984. 7 Agnes Granefjell i intervju med Jostein Lorås 29.10.2011. 8 Opplyst av Jakob Varnvatn. 9 Arkivopplysninger NTNU, Videnskapsmuseet.

10 Bjørn Berg, Sametinget, pers. med. Nr 1343 i Brislingdatabasen. 11 Registrering utført av Oddmund Andersen. 12 Einar Varnvatn opplyste i 1984 at mange kåter og finnbur, samt en gammel boplass for reinsamer, fantes rundt garden. 13 Agnes Granefjell opplyst i intervju med Jostein Lorås 29.10.2011. 14 Steinar Hanem: Stedsnavn fra Varnvatn. Særoppgave ved Mosjøen videregående skole. 1995.

15 Ørnulv Vorren: Reindrift og nomadisme i Helgeland. Tromsø Museums Skrifter XXI,1. Novus Forlag Oslo 1986, s. 149. 16 Ibid:150.

Lars Björk, Skogsstyrelsen Digital utsökningsmetod för gammelskog. Satellitbildsskattning med referensobjekt Den första metoden som testades bygger på satellitbildsanalys. I satellitbilden digitaliseras ett antal områden (homogena bestånd) som har de egenskaper man vill leta efter i hela bilden. Dessa objekt kallas referensobjekt och används sedan för att klassificera hela bilden. Resultatet är en ny bild med ett värde i varje pixel som beskriver hur lik den är referensobjektets. Den nya bilden kan förses med en färgskala som gör det enklare att se vilka pixlar som liknar referensobjekten och vilka som skiljer sig från dem. Färgskalan kan användas för att tolka resultatet och för att få information om hur resultatet variera över bilden. Den resulterande bilden måste tolkas om man vill plocka fram de områden som har hög sannolikhet för att vara sådana bestånd som man letar efter. Det kan göras med hjälp av en så kallad tröskling i indexbilden. Då bestäms vid vilket index som gränsen ska dras. Från trösklingsgränsen och uppåt finns de områden som man letar efter. Under trösklingsgränsen är de områden som inte anses uppfylla kriteriet. De egenskaper hos beståndet som påverkar resultatet är fördelningen mellan löv och barr träd, beståndets höjd och slutenhet. Känsligheten för dessa egenskaper går att påverka genom att justera några parametrar i programmet. Resultatet från denna metod gav ett alltför spretigt resultat. Det gick inte att urskilja bestånd med gammal tallskog. Den eftersökta skogstypen sammanblandades alltför ofta med andra typer av skog, t.ex. slutna yngre/medelålders tallskogar och gran bestånd. Utsökning baserad på knn-skattning I Sverige utförs årligen en riksskogstaxering över hela landet. Ett slumpvis urval av provytor inventeras och utgör sedan underlag för skattningar av arealer och virkesvolymer. Varje år inventeras 12 000 provytor där 95 000 träd mäts och en stor mängd variabler registreras för att beskriva såväl beståndet, ståndorten som historiken. knn-sverige ger en bild av hur den svenska skogen ser ut. Namnet knn-sverige kommer av beräkningsmetoden k Nearest Neighbour. knn-sverige produceras vid institutionen för skoglig resurshushållning och geomatik, avdelningen för fjärranalys, SLU i Umeå. Karteringen har gjorts genom att satellitbilder har kombinerats med Riksskogstaxeringens provytedata. I knn-sverige har uppgifterna för de olika variablerna lagrats i separata rasterskikt bestående av rasterceller, så kallade pixlar, med upplösningen 25 x 25 meter. Värdena är kontinuerliga, inte klassade, vilket innebär att en pixel har getts till exempel värdet 33 år och inte klassen

30 40 år. I natur- och skogstypsklassningar har istället varje pixel tilldelats en diskret klass, till exempel Barrskog på lavmark. Ett annat sätt att presentera data är att generalisera skattningarna i lite större områden. En automatisk indelning av satellitbilderna i beståndsliknande områden (segment). I varje segment beräknas medelvärdet för de olika skattningarna och tilldelas hela segmentet. Med generaliserat knn-data som utgångsmaterial söktes områden ut som kunde uppfylla kriterierna för gammal tallskog. Några olika alternativ togs fram för att verifieras i fält. Den utsökning som gav bäst resultat var där knn-materialet visade att det fanns mer än 80% tall och en ålder över 80år. Områden mindre än 1ha filtrerades bort. Innan fältbesök kontrollerades materialet mot ny satellitbild för att plocka bort områden som hade avverkats eller påverkats på annat sätt tydligt förändrats. För att utvärdera resultatet valdes 65 bestånd ut för fältbesök. I 65% av fallen visade den en Bra överenstämmelse med tolkning. Överenstämmelse % Bra 65 Viss 22 Ingen 13