Search

Bakkestuen, V, Erikstad, L, Magnussen, K, Lindhjem, H., Skrindo, A, Nybø, S og Teien, K. T. 2022. Metode for avgrensning av areal som påvirkes av nedbygging av natur. Influensområder av nedbygging og inngrep. NINA Rapport 1989. Norsk institutt for naturforskning. NINA og Menon har i dette oppdraget fra Miljødirektoratet vurdert mulige metoder for vurdering av arealet som påvirkes av ulike typer inngrep. Vi foreslår et metodisk rammeverk som kan brukes i følgende faser av planlegging av inngrep: 1) Valg av arealer for utbygging i tidlig fase og på svært grov skala og 2) Valg av arealer (scoping) for utbygging i en tidlig fase, konseptvalgfase eller i fasen før det fastsettes et konsekvensutredningsprogram for mer spesifiserte områder. Metode for vurdering av konsekvensutredninger (KU) for klima og miljø omfattes ikke av dette prosjektet, selv om metoden som foreslås kan ha relevans også i KU-fasen. Andre anvendelser, slik som utforming av konkrete virkemidler for å redusere inngrep og arealbruk, er heller ikke vurdert, men vil kunne være en naturlig forlengelse av dette arbeidet. Vi mener at størrelsen på arealet som ved ulike typer nedbygging vil få en vesentlig reduksjon/ forringelse av økosystemtjenester (influensområdet) (total påvirkning og effekt) vil være en funksjon av tre faktorer (A, B og C): • A – direkte berørt/nedbygd areal • B – areal som indirekte påvirkes av inngrepet (= influensområdet) • C – effekt på naturverdier og naturgoder Vi foreslår et forenklet metodisk rammeverk som på overordnet nivå og i tidlige faser av planleg-ging vil vise på kart hvilke områder som direkte blir påvirket av nedbygging (A) og hvordan dette påvirker total inngrepspåvirkning i det konkrete området. Vi omtaler også hvordan en kan gå fram (og hvilke data som kan brukes) for å utarbeide kart som viser arealer som indirekte blir påvirket av inngrepet (B). Videre omtaler vi viktige faktorer som bør inngå i en vurdering av direkte og indirekte konsekvenser av inngrepet (C). Sistnevnte punkter krever imidlertid mer utviklingsarbeid enn det som har vært mulig innenfor dette prosjektet. Vi viser hvordan infrastrukturindeksen og relevante økologiske grunnkart, kan brukes som grunnlag for å modellere arealer som blir direkte og indirekte påvirket av ulike typer inngrep (A + B). Vi viser gjennom noen eksempler hvordan dette kan gjøres og forenkles til terskelverdier for et slags trafikklyssystem, som gir grunnlag for å dele inn områdene som omfattes inn i følgende kategorier: • Rød sone: Svært stort influensområde • Gul sone: Stort influensområde • Grønn sone: Moderat/lite influensområde Metoden gjør det mulig å gjøre en overordnet vurdering av grad av influensområder i en tidlig fase av prosjekter. Dette gir et grunnlag for å unngå videre planlegging av inngrep som vil ha stor eller svært stor påvirkning på natur og naturgoder. Valg av faktorene som inngår i vurdering av B og av konsekvens av nye inngrep for naturgoder (C), må avklares ut fra hvilke hensyn som i størst grad skal ivaretas, men vi anbefaler at i alle fall følgende egenskaper dekkes: • Grad av inngrep i områdene fra tidligere av • Sentrale naturgoder • Økologisk tilstand, viktig naturmangfold og grønn infrastruktur/konnektivitet I prosjektet viser vi hvordan data som inngår i infrastrukturindeksen kan brukes som et grunnlag for å utarbeide kart over direkte påvirkede områder. Vi foreslår også hvordan ytterligere data i landskapstypekartet kan brukes som grunnlag for å utarbeide kart over indirekte påvirkede arealer (B), mens vurdering av økologisk tilstand og naturgoder (C) vil kreve mer utvikling. Vi mener det er behov for å videreutvikle metoden før den tas i bruk fullt ut. Anbefalingene omfatter behov for å konkretisere hvilke faktorer/indikatorer (og hvilke data som bør inngå i B og C, og hvordan disse vurderes og beregnes. Det må også utvikles metoder for å vurdere effekt på økologisk tilstand og verdien av naturgoder i arealene som påvirkes direkte og indirekte. Vi anbefaler at et sluttprodukt av dette arbeidet bør inngå som del av det økologiske grunnkartet, slik at det kan tas i bruk i planlegging. Bakkestuen, V, Erikstad, L, Magnussen, K, Lindhjem, H., Skrindo, A, Nybø, S og Teien, K. T. 2021. Metode for fastsetting av areal som påvirkes av nedbygging av natur. Influensområder av nedbygging og inngrep. NINA Rapport 1989. Norwegian Institute for Nature Research. In this assignment from the Norwegian Environmental Agency, NINA and Menon have assessed possible methods for assessing the areas that are affected by various types of interventions. We propose a methodological framework that can be used in the following phases of planning interventions: 1) Selection of areas for development in the early phase and on a very rough scale and 2) selection of areas (scoping) for development in an early phase, concept selection phase or in the phase before an impact assessment program is determined for more specific areas. The method for assessing impact assessments (KU) for climate and environment is not covered by this project, although the proposed method may also be relevant in the KU phase. Other applications such as design of specific measures to reduce encroachment and land use, have not been considered either but could be a natural extension of this work. The size of the impacted area (the area of influence) will be, seen from our perspective, a function of the following three factors: • The area that is directly affected (A) • The area that is indirectly affected (B) • Direct and indirect consequence/impact of the intervention (severity) in the form of reduced ecological status and ecosystem services (C). We show how the infrastructure index and relevant ecological base maps can be used as a basis for modelling areas that are directly and indirectly affected by different types of interventions (A and B). We show some examples of how this can be done and simplified to threshold values for a kind of traffic light system, which provides a basis for dividing the areas covered into the following categories: • Red zone: Very large area of influence • Yellow zone: large area of influence • Green zone: Moderate/small area of influence. The method makes it possible to make overall assessment of the degree of areas of influence in an early phase of projects. This provides a basis for avoiding further planning interventions that will have a large or very large impact of nature and ecosystem services. The choice of factors that are included in models and/or assessment of B and for assessment of the consequences of new interventions on ecosystem services (C) must be clarified on the basis of which considera-tions are to be taken into account, however, we recommend that at least the following factors are included: • Degree of intervention in the areas from before • Important ecosystem services • Ecological condition, important biodiversity and green infrastructure/connectivity We propose a simplified methodological framework, which, at the overall level and in the early stages of planning, will show on a map which areas that are directly affected by the intervention (A) and how this affects the total intervention impact in the specific area. We also discuss how one can proceed (and what data can be used) to find out how to prepare maps that show areas that are indirectly affected by the intervention (B). Furthermore, we discuss important factors that should be included in an assessment of direct and indirect consequences of the interventions (C). In this project, we show how data from the infrastructure index can be used as a basis for preparing maps of directly affected areas. We also propose how more data from ecological base maps can be used as a bases for preparing maps of indirectly affected areas (B), while assessment of ecological condition and ecosystem services (C) will require more development. There is a need to further develop the method before it is fully implemented. The recommendations include the need to specify which factors /indicators (and which data can be used) that should be included in B and C, and how these are assessed and calculated. Methods must also be developed to assess the effect on the ecological condition in the areas that are directly and indirectly affected. We recommend that an end product of this work should be included as part of the official collection of ecological base maps, so that it can be used in planning.

Kleiven, E.F., Framstad, E., Bakkestuen, V., Böhner, H., Cretois, B., Frassinelli, F., Ims, R.A., Jepsen, J.U., Soininen, E.M. & Eide, N.E. 2022. Ny nasjonal smågnagerovervåking i fjell basert på kamerafeller. Forslag til innsamlingsdesign og dataprosessering. NINA Rapport 2170. Norsk institutt for naturforskning. Denne rapporten presenterer et forslag til et nytt nasjonalt overvåkingsprogram for smågnagere i fjell basert på kamerafeller. Utredningen er bestilt av Miljødirektoratet. Overordnet målsetting for overvåkingsprogrammet er å bidra med data til smågnagerindikatoren i fagsystemet for økologisk tilstand i fjell. Programmet skal så langt mulig, dekke variasjonen i regionale og lokale klimaforhold, samt andre naturgitte forhold, for å kunne vurdere effekter av påvirkningsfaktorer dersom det oppstår endringer i smågnagerbestandene over tid. Resultater fra programmet skal kunne brukes i vurderingen av bevaringstiltak for fjellrev, snøugle og dverggås. Ny nasjonal smågnagerovervåking foreslås basert på vel 50 lokaliteter som dekker alle sentrale fjellområder og et utvalg av mer perifere fjellområder i øst, vest og langs kysten. Disse lokalitetene vil gi bestandsdata for smågnagere som tilfredsstiller alle formålene med overvåkingsprogrammet. Lokalitetene er videre prioritert ut fra hvor godt de dekker overvåkingsformålene og i hvilken grad det allerede finnes dataserier for lokale smågnagerbestander i nærheten. Tolv lokaliteter med prioritet I dekker i hovedsak sentrale fjellområder fra sør til nord, viktige områder for fjellrev og har eksisterende dataserier for smågnagere. Seksten lokaliteter med prioritet II supplere de foregående, spesielt ved å dekke større deler av klimagradienten fra oseaniske til kontinentale områder. Tjuefem lokaliteter med prioritet III utfyller de foregående ved å øke dekningen av ulike fjellområder. Endelig plassering av lokalitetene må vurderes etter feltbefaring. Innen hver overvåkningslokalitet foreslås et romlig hierarkisk overvåkningsdesign. På lokalitetsnivå bør overvåkningen dekke de sentrale habitatene (lynghei, tuemark, snøleier) for de viktigste smågnagerartene i fjell: gråsidemus, lemen, markmus/fjellmarkmus. Samtidig bør både lav- og mellomalpin sone dekkes. Innen hvert habitat og hver klimasone anbefales seks kamerafeller (romlige replikater), dvs. i alt 36 kamerafeller pr. lokalitet. Dette vil med stor sannsynlighet være tilstrekkelig til å få en god indeks for bestandsstørrelse for alle de viktige smågnagerartene for hvert habitat og klimasone innen hver overvåkningslokalitet, selv med noe datatap som følge av tekniske feil. Den fulle versjonen av overvåkingsprogrammet bør omfatte de aller fleste av de foreslåtte lokalitetene. Noen få lokaliteter som anses å dekke marginale fjellområder kan ev. utelates. For en nedskalert versjon av overvåkingen anbefales å bruke alle lokaliteter med prioritet I eller II. En minimumsversjon av overvåkingen bør omfatte lokalitetene med prioritet I, ev. supplert med noen med prioritet II som er mest relevante for arbeidet med å bevare fjellrev. I utgangspunktet foreslås ingen reduksjon av overvåkingsdesignet pr. lokalitet, men det anbefales en evaluering av programmet etter fem års drift, for å vurdere om det er forsvarlig å redusere antall kamerafeller pr. lokalitet. Andre initiativer som kan gi supplerende informasjon om utbredelsen av smågnagertopper, er gjennomgått og vurdert. Det vil kreve nærmere vurdering av disse initiativenes observasjonsinnsats og metoder for å kunne vurdere nytten av slik informasjon for det foreslåtte overvåkingsprogrammet. I rapporten beskrives fullstendig arbeidsflyt fra innhenting av minnekort til et ferdig kvalitetssikret og tilgjengeliggjort datasettsett med bestandsindeks for ulike smågnagere. Denne arbeidsflyten kombinerer maskinlæring for automatisk bildeklassifisering med manuell kontroll av utvalgte bilder. Det vil i oppstarten være behov for tilrettelegging av treningsdata til utvikling av en ny maskinlæringsmodell, samt kvalitetssikring av modellklassifiseringene. Overvåkingsprogrammet bør koordineres av en faginstitusjon som støttes av et bredere faglig råd. Driften av programmet i felt bør i størst mulig grad koordineres med eksisterende feltapparat (f.eks. SNO) for å oppnå både logistiske og faglige synergier med andre overvåkingsprogrammer. Det er videre estimert en budsjettramme for de tre alternative overvåkingsoppleggene, full versjon, nedskalert versjon og minimumsversjon. Noe utviklingsarbeid vil kreves i oppstarten av programmet. Det er fremfor alt store investeringskostnader knyttet til kamerainnkjøp, deretter kostnader til årlig drift varierende fra litt under 2,5 millioner i en minimumsversjon til nesten 11 millioner i full versjon. Kleiven, E.F., Framstad, E., Bakkestuen, V., Böhner, H., Cretois, B., Frassinelli, F., Ims, R.A., Jepsen, J.U., Soininen, E.M. & Eide, N.E. 2022. New national monitoring of small rodents in Norwegian Arctic and Alpine tundrabased on camera traps. Proposed sampling design and data processing. NINA Report 2170. Norwegian Institute for Nature Research. This report presents a proposal for a new national monitoring program for small rodents in mountains, based on camera traps. The report was commissioned by the Norwegian Environment Agency. The overall objective of the monitoring programme is to contribute data to the small rodent indicator for the assessment of ecological condition in tundra ecosystems. The programme shall, as far as possible, cover variations in regional and local climate conditions, as well as other natural conditions, to assess the effects of impact factors on possible changes in small rodent populations over time. Results from the programme can also be used in the assessment of conservation measures for Arctic foxes, snowy owls and lesser white-fronted geese. The new national small rodent monitoring is proposed to be based on over 50 sites covering all central mountain areas and a selection of more peripheral alpine areas in the east, west and along the coast. These sites will provide population data for small rodents that satisfy all the objectives of the monitoring programme. The sites are also prioritised based on how well they cover the monitoring objectives and whether data series for small rodent populations are available in the vicinity. Twelve priority I sites mainly cover central alpine areas from the south to alpine and Arctic areas in the north, important areas for Arctic foxes and have existing data series for small rodents. Sixteen priority II sites supplement the previous ones, particularly by covering larger parts of the climate gradient from oceanic to continental areas. The twenty-five priority III sites further increase the coverage of various mountainous areas. The final location of the sites must be considered after field inspection. Within each site, a spatial hierarchical monitoring design is proposed. At the site level, monitoring should cover the central habitats (heathlands, tussocks, snow beds) for the main small rodent species in Norwegian tundra ecosystems (grey-sided vole Myodes rufocanus, Norwegian lemming Lemmus lemmus, field vole Microtus agrestis and tundra vole Microtus oeconomus). Both the low and middle alpine zones should be covered. Within each habitat and climate zone, six camera traps (spatial replicas) are recommended, i.e., a total of 36 camera traps per site. This will most likely be sufficient to obtain a good population size index for all important small rodent species for each habitat and climate zone within each monitoring site, even with some data loss due to technical malfunction. The full version of the monitoring programme should include most of the proposed sites. A few sites considered to cover marginal mountain areas may be omitted. A scaled-down version of the monitoring should include all sites of priority I or II. A minimum version should include sites of priority I, possibly supplemented by some of priority II that are most relevant for conservation of Arctic foxes. Initially, no reduction in the monitoring design per site is proposed, but an evaluation of the program after five years of operation is recommended to assess whether it is prudent to reduce the number of camera traps per site. Other initiatives that may provide supplementary information on the distribution of small rodent peaks have been reviewed and assessed. Further assessment of these initiatives' observation efforts and methods will be required to assess the benefits of such information for the proposed monitoring programme. The report describes the complete workflow from collecting memory cards to a ready-made quality-assured and accessible dataset set with abundance indexes for various small rodent species. This workflow combines machine learning for automatic image classification with manual control of selected images. Initially, adaptation of training data for the development of a new machine learning model will be needed, as well as quality assurance of the model classifications. The monitoring programme should be coordinated by a research institution supported by a broader scientific council. The field operation of the programme should as far as possible be coordinated with existing field activities (e.g., by the Norwegian Nature Inspectorate), to achieve both logistical and scientific synergies with other monitoring programmes. An overall budget has been estimated for the three alternative monitoring schemes, the full version, the scaled-down version, and the minimum version. Some development work will be required at the start of the programme. Initial costs associated with camera procurement are particularly large, followed by annual operation costs varying from just under 2.5 million NOK in a minimum version to almost 11 million NOK in full version.

Bakkestuen, V., Dervo, B.K., Bærum, K.M. og Erikstad, L. 2022. Prediksjonsmodellering av naturtyper i ferskvann. NINA Rapport 2079. Norsk institutt for naturforskning. Hensikten med dette prosjektet har vært å teste ut metoder for prediksjon av fire lokalitetstyper i ferskvann i Norge, dvs. vandringshinder for fisk, kroksjøer og meandrerende elver, fisketomme innsjøer, tjern og dammer og humussjøer. I tillegg er en infrastrukturindeks brukt på de predikerte kalkrike innsjøene for å se på graden av påvirkning. Det er brukt en rekke ulike metoder og datakilder for prediksjonsmodellering av naturtyper, inkludert dyplæring og bruk av LiDAR-data, satellittdata, flybilder, kartdata, berggrunnsdata og biologiske databaser. Infrastrukturindeksen er brukt for å predikere graden av påvirkning på kalkrike innsjøer og dammer. Denne indeksen bør utvikles videre for å tilpasse behovet for å måle graden av påvirkning for kalksjøene. Spesielt gjelder det komponentene vassdragsreguleringer i innsjøer og elver og jordbruksintensitet. Infrastrukturindeksen kan både være en forklaringsvariabel i en prediksjonsmodell og en tilstandsvariabel for økologisk kvalitet. Prediksjonsmodelleringen av vandringshinder for fisk treffer i 9 av 10 tilfeller. Prediksjonen er dårligst for smale og små bekker. Feilklassifiseringene var ofte tilknyttet infrastruktur slik som kulverter og fisketrapper. Disse var da modellert som hinder, men i felt ble de avkreftet å være hinder. I denne modelleringen er hovedsakelig helningsgraden og høydeforskjellen brukt til å avgrense polygonene som angir vandringshinder. Egenskaper som vil kunne forbedre modellen er bl.a. data om vannføring i elvene, kraftverk og bortføring av vann fra elvene og en bedre hydrologisk modell. Prediksjonene av vandringshindre må sies å treffe godt. I noen landskap med smale og gjerne påvirkede bekkeløp med utretting, grøfting ol. vil modellen treffe noe dårligere. Dette medfører noen regionale forskjeller med at modellen treffer bedre på Vestlandet og nordover enn i flate jordbrukspregete vassdrag på Sør- og Østlandet. For prediksjon av fisketomme lokaliteter så treffer prediksjonsmodellen relativt godt på stor geografisk skala. Modellen er ikke generisk nok til å kunne flyttes fra stor til liten skala uten å re-parametrisere og trene modellen for riktig geografisk skala. Antagelig vil anvendbarheten av modellen først og fremst ligge på regionalt nivå med dagens datagrunnlag, når lokaliteter skal velges ut ift. utvalgt natur. Det vil med andre ord være vanskelig å plukke ut fisketomme lokaliteter på lokalt nivå, for eksempel på kommunenivå, uten at all eksisterende kunnskap om forekomst av fisk blir systematisert og inngår som en del av datagrunnlaget ved modellering. Det er tre tiltak som vil kunne forbedre presisjonen til modellen på tvers av geografisk skala: • Kvalitetssikre og oppdatere observasjoner av fisk i innsjøer. Denne innsamlingen bør gjøres på en slik måte at man får et så representativt utvalg som mulig av vann i Norge, samtidig som det bør være stort nok til å trene modellen på forskjeller i geografisk skala. • Øke oppløsning på grunnkart som viser biologiske viktige variabler. • Inkludere informasjon om gårdsdrift og andre historiske data hvis tilgjengelig. Prediksjonsmodellering av meandrerende elver og kroksjøer har 97,2% treningsnøyaktighet og 96,8% uavhengig kryssvalideringsnøyaktighet. Selv om det er noen foreløpige feil i den, mener vi at denne modellen har potensial for fremtidig klassifisering av meandere. Modellen har potensiale til å være nyttig i utvelgelse av utvalgt natur. Forbedring av modellen krever bedre avgren-sing av meandere og bedre kvalitet på trenings- og valideringsdata (bakkesannheter og bilde-chips materiale). Våre prediksjoner av humussjøer viser at det er mellom 1,4 – 1,6 mill. humusrike innsjøer i Norge, inklusive dammer og tjern, litt avhengig av hvilken prediksjonsmodell man velger. Imidlertid er våre treningsdata basert på kriterier som også inkluderer mange innsjøer som bare har svakt humuspreg og hvor fargen på disse nesten ikke antyder humus. For å kunne lage en bedre modell for sterkt humuspregede innsjøer trengs et treningsdatasett hvor for eksempel farge > 60 mg Pt/l kunne ha vært et kriterium. Våre prediksjoner treffer noe dårligere i nord, noe som kan ha med at prediktoren høyde over havet ikke er like relevant her. Varmesum-verdier over året kunne antageligvis øke prediksjonsevnen i nord. Prediksjonsmodellen vil være til hjelp for å skille humøse og ikke-humøse innsjøer i forhold til utvalgt natur. Bakkestuen, V., Dervo, B.K., Bærum, K.M. and Erikstad, L. 2022. Prediction modeling of habitats in freshwater. NINA Report 2079. Norwegian Institute for Nature Research. The purpose of this project has been to test methods for prediction of four locality types in freshwater in Norway, i.e. migration barriers for fish, ox bow lakes and meandering rivers, fish-empty lakes and ponds, and humic lakes and ponds. In addition, an infrastructure index is used on the predicted calcareous lakes to assess the degree of human impact. A number of different methods and data sources have been used for prediction modeling of habitat types, including deep learning and the use of LiDAR data, satellite data, aerial photographs, existing map data, bed-rock data and biological databases. The infrastructure index is used to predict the degree of human impact on calcareous lakes and ponds. This index should be further developed in order to measure the degree of impact on the limestone lakes. This applies in particular to the components of hydrological regulations in the catchments of lakes and rivers, and agricultural intensity. The infrastructure index can be both an explanatory variable in a prediction model and a state variable for ecological quality. The prediction modeling of migration barriers for fish hits in 9 out of 10 cases. The prediction is least accurate for narrow and small streams. The misclassifications were often associated with infrastructure such as culverts and fish ladders. These were then modeled as obstacles, but in the field they could often be confirmed not being obstacles. In this modeling, mainly the degree of inclination and the height difference are used to delimit the polygons which indicate migration obstacles. Properties that will be able to improve the model include data on water flow in the rivers, power plants and water abstractions from the rivers and a better hydrological model. Overall, the predictions of migration barriers are assessed to hit well. In some landscapes with narrow and often affected streams with straightening, ditching, etc. the model will be less accurate. This entails some regional differences, e.g. that the model hits better in Western Norway and north-wards than in flat agricultural watercourses in Southern and Eastern Norway. For prediction of fish-empty localities, the prediction model hit relatively well on a large geographical scale. The model is not generic enough to be able to move from large to small scale without re-parameterizing and training the model for the correct geographical scale. Presumably, the applicability of the model will first and foremost be at the regional level with the current data basis, when sites are to be selected in relation to “utvalgt natur” (selected nature types). In other words, it will be difficult to pick out fish-empty localities at the local level, for example at the municipal level, without all existing knowledge about the occurrence of fish being systematized and included as part of the data basis for modeling. There are three measures that will be able to improve the precision of the model across geographical scales: • Ensure quality and update observations of fish in lakes. This collection should be done in such a way that you get as representative sample as possible of lakes and ponds in Norway, at the same time as it should be large enough to train the model on differences in geographic scale. • Increase resolution on base maps that show biologically important variables. • Include agricultural information and other historical data if available. Prediction modeling of meandering rivers and ox-bow lakes has 97.2% training accuracy and 96.8% independent cross-validation accuracy. Although there are some preliminary errors in it, we believe that this model has potential for future classification of meanders in Norway. The model has the potential to be used to detect selected nature types (“utvalgt natur”). Improving the model requires better delimitation of meanders and better quality of training and validation data (ground truths and annotates image-chip material). Our predictions of humic lakes show that there are between 1.4 - 1.6 million humus-rich lakes and ponds in Norway depending on which prediction model that is chosen. However, our training data are based on criteria that also include many lakes that have only a weak humic character and where the color of these hardly indicates humus. In order to be able to create a better model for strongly humus-laden lakes, a training data set is needed where, for example, color> 60 mg Pt / l could have been a criterion. Our predictions are least accurate in the north, which may partly because the predictor height above sea level is not as relevant here. Heat sum values over the year could probably increase the predictability in the north. The prediction model will be helpful in distinguishing humus and non-humus lakes in relation to selected nature (“utvalgt natur”). Miljødirektoratet: M-2132|2021

Framstad, E., Bjørkelo, K., Bakkestuen, V., Mathiesen, H.F., Nowell, M.S., Strand, G.-H. & Venter, Z. 2021. Kart over norske hovedøkosystemer – en mulighetsstudie. NINA Rapport 2055. Norsk institutt for naturforskning. Et viktig grunnlag for økosystembasert forvaltning av norsk natur er heldekkende og omforente kart over hovedøkosystemene. Miljødirektoratet ønsker derfor å utforske mulighetene for å utvikle et slikt kart. NINA og NIBIO har i den forbindelse fått i oppdrag å utrede mulige tilnærminger. Dette omfatter å vurdere aktuelle inndelinger av økosystemtyper, eksisterende kartdata og nye teknikker. Miljødirektoratet har identifisert en rekke nasjonale og internasjonale bruksområder for et kart over hovedøkosystemer. Disse omfatter kartgrunnlag for fagsystemet for økologisk tilstand, økosystembasert forvaltning, kommunal forvaltning, grunnlag for arealanalyser og nasjonal statistikk, samt internasjonal rapportering. Det er et krav at et hovedøkosystemkart skal tilfredsstille nasjonale kartstandarder og være omforent på tvers av sektorer. Flere bruksområder krever en så detaljert tematisk inndeling og romlig presisjon at disse neppe kan dekkes ved et hovedøkosystemkart. Noen bruksområder vil kunne dekkes ved å knytte annen stedfestet miljøinformasjon, f.eks. artsforekomster, verdifulle naturområder eller områder med store karbonlagre, til hovedøkosystemkartet. Enkelte behov, f.eks. arealstatistikk, kan trolig løses mer kostnadseffektivt ved utvalgskartlegging enn ved et heldekkende hovedøkosystemkart. Det finnes ingen etablert forståelse av begrepet hovedøkosystem, men det oppfattes vanligvis som forholdsvis grove økosystemenheter med viktige fellestrekk, slik disse f.eks. er omtalt i Norges handlingsplan for naturmangfoldet (Natur for livet). Det er flere utfordringer knyttet til entydig definisjon og avgrensing av hovedøkosystemer. Disse knytter seg i hovedsak til grensedragning på tvers av økologiske gradienter, som mellom fastmark og våtmark, til grad av dekning av trær, og grader av menneskelig påvirkning. Det er særlige utfordringer knyttet til definisjoner av ulike typer av åpen fastmark og våtmark. Fjell og kyst som hovedøkosystemer kan avgrenses til fastmark eller omfatte fastmark, våtmark, snø/is og ferskvann. Det er mange ulike nasjonale og internasjonale inndelinger som kan vurderes som grunnlag for en inndeling av hovedøkosystemer. De nasjonale inndelingene er mer eller mindre sammenfallende med inndelingen brukt i Natur for livet, men kriteriene for avgrensing mellom enhetene varierer. Blant ulike internasjonale inndelinger er trolig inndelinger brukt i EU (EUNIS, CLC, ny inndeling for økosystemregnskap) og IUCNs nye Global Ecosystem Typology mest aktuelle å vurdere for inndeling av norske hovedøkosystemer. For å dekke de vanligste inndelingene av grove hovedøkosystemer kan vi definere ni klasser av hovedøkosystemer, som igjen kan deles inn på basis av plassering under/over skoggrensa eller i/utenfor en definert kystregion. Rapporten drøfter ulike karttekniske aspekter som må avklares for et hovedøkosystemkart. Formålet med hovedøkosystemkartet avgjør hvilke tilnærminger som er mest hensiktsmessige. Det er i alle tilfeller viktig å avklare den tematiske og geografiske nøyaktigheten opp mot formålene med kartet. Datagrunnlag for et hovedøkosystemkart kan dels hentes fra ulike eksisterende kartprodukter og dels ved utvikling av nye kart fra ulike typer fjernmålingsdata. Kjente norske kartprodukter som N50, FKB felles kartdatabase med arealdekke gitt ved AR5, og mer generaliserte produkter som AR50 og AR-fjell kan være aktuelle. Det finnes også europeiske eller globale fjernmålingsbaserte kartprodukter som EUs Corine Land Cover, med videreutviklingen CLC+ Backbone, Det er også mulig å utvikle egne fjernmålingsbaserte kartprodukter spesifikt tilpasset formålet for et hovedøkosystemkart, gjerne ved kombinasjon av data fra eksisterende kart, lasermåling og satellittdata. Målsettingene for hovedøkosystemkartet er avgjørende for valg av tilnærming og datagrunnlag, og hvor mye ressurser man kan bruke på å utvikle kartet. Uavhengig av tilnærming er det viktig å sørge for god kvalitetssikring og systematisk ajourhold av underliggende kartdata. Ingen etablerte kartprodukter kan brukes eller videreutvikles til et hovedøkosystemkart som tilfredsstiller alle brukerbehov. Ved supplering med en utvalgsundersøkelse for å få fram forventningsrett arealstatistikk kan imidlertid alle skisserte løsninger dekke brukerbehovene. Et hovedøkosystemkart basert på data fra fjernmåling, vil kreve grundig uttesting for å avklare muligheter for detaljert og presis tematisk og geografisk kartlegging. Framstad, E., Bjørkelo, K., Bakkestuen, V., Mathiesen, H.F., Nowell, M.S., Strand, G.-H. & Venter, Z. 2021. Map of Norwegian main ecosystems – exploration of possible solutions. NINA Report 2055. Norwegian Institute for Nature Research. An important basis for ecosystem-based management of Norwegian nature is agreed maps with full coverage of the main ecosystems. The Norwegian Environment Agency therefore wants to explore the possibilities of developing such a map. In this connection, NINA and NIBIO have been commissioned to explore possible approaches. This includes assessing current typologies for ecosystems, existing map data and new techniques. The Norwegian Environment Agency has identified several national and international needs related to a map of main ecosystems. These include maps as a basis for the assessment of ecological status, ecosystem-based management, municipal management, a basis for ecosystem extent analyses and national statistics, as well as international reporting. It is also a requirement that a main ecosystem map must satisfy national map standards and be agreed across sectors. Several needs require such a detailed thematic division and spatial precision that these can hardly be covered by a map of main ecosystems. Several needs can be met by linking other spatially explicit environmental information, e.g. species occurrences, valuable natural areas or areas with large carbon reserves, to the main ecosystem map. Some needs, e.g. ecosystem extent statistics, can probably be solved more cost-effectively by sample-based surveys than by a map of main ecosystems with full spatial coverage. There is no established understanding of the concept main ecosystem, but it is usually perceived as relatively coarse ecosystem units with important common features, such as those presented in Norway's action plan for biodiversity (Nature for life). There are several challenges associated with the unambiguous definition and delimitation of main ecosystems. These are partly related to the demarcation between units across ecological gradients, such as between non-wetlands and wetlands, the degree of tree crown cover, and the degree of human impact. There are particular challenges associated with definitions of different types of open land and wetlands. Moun-tains and coastal areas as main ecosystems can be limited to one main terrestrial ecosystem or also include wetlands, snow/ice and fresh water. There are many different national and international typologies that can be considered as a basis for a division of main ecosystems. The national typologies coincide fairly well with the division used in Nature for Life, but the criteria for delimitation between the units vary. Among various international typologies, those used in the EU (EUNIS, CLC, new typology for ecosystem accounting) and IUCN's new Global Ecosystem Typology are probably the most relevant to consider for a division of Norwegian main ecosystems. To cover the most common coarse types of main ecosystems, we can define nine classes of main ecosystems, which in turn can be divided on the basis of location below or above the forest boundary or inside or outside a defined coastal region. The report discusses various technical aspects of mapping that must be clarified for a map of main ecosystems. The purposes of such a map will determine the most appropriate approaches. In any case, it is important to clarify the thematic and geographical accuracy against the purposes of the map. The underlying data for a map of main ecosystems can be obtained partly from various existing map products and partly by developing new maps from various remote sensing data. Well-known Norwegian map products such as N50, FKB common map database with land cover given by AR5, and more generalized products such as AR50 and AR-mountains may be relevant. There are also European or global remote sensing-based map products such as the EU's Corine Land Cover, with the further developed CLC+ Backbone. It is also possible to develop proprietary remote sensing-based map products specifically adapted to the purposes of a map of main eco-systems. Critical for the choice of approach and underlying data are the objectives of the main ecosystem map and how much resources can be devoted for its development. Regardless of the approach, it is important to ensure good quality assurance and systematic updating of underlying map data. No available map products can be used for or developed into a map of main ecosystems that will satisfy all user needs. Supplementary representative sampling may provide unbiased data on land cover statistics, to satisfy all user needs when combined with maps. A map of main ecosystems based on data from remote sensing will need to undergo thorough testing to clarify the possibilities for detailed and precise thematic and geographic mapping. Miljødirektoratet: M-2164 | 2021

Kyrkjeeide, M.O., Evju, M., Pedersen, B., Magnussen, K., Dervo, B., Handberg, Ø.N., Bakkestuen, V., Mjelde, M., Brandrud, T.E., Jansson, U., Øien, D.-I., Gundersen, H., Lyngstad, A., Christie, H., Hamre, Ø. & Daverdin, M. 2022. Oppfølging av «Trua natur». Oppdaterte kunnskapsgrunnlag og forslag til videreutvikling av metodikk. NINA Rapport 2136. Norsk institutt for naturforskning Prosjektet «Tiltak for å ta vare på truet natur» ble gjennomført i 2018 av NINA, Menon Economics, NTNU Vitenskapsmuseet og NIVA på oppdrag fra Miljødirektoratet. Resultatet var metodikk for å foreslå tiltak som bedrer statusen til trua arter og naturtyper, samt 124 såkalte kunnskapsgrunnlag hvorav 90 arter og 34 naturtyper var vurdert i henhold til metodikken. I 2018 lå Rødlista for naturtyper 2011 til grunn for målsetting og vurdering av naturtypene. Rødlista for naturtyper 2018 ble lansert samtidig med at «Trua natur» ble ferdigstilt. Det var en betydelig omlegging av metoder i Natur i Norge (NiN) mellom utarbeidelse av rødlistene fra 2011 og 2018. Dette har gitt lite samsvar mellom en del av vurderingsenhetene i 2011 og 2018. I denne rapporten presenteres arbeidet med å oppdatere kunnskapsgrunnlaget for 15 naturtyper som inngikk i «Trua natur»-prosjektet i 2018. Metodikken er som før, men med noen nye tillegg. De oppdaterte kunnskapsgrunnlagene publiseres som vedlegg til rapporten. Et standardisert sammendrag (syntese) av hvert kunnskapsgrunnlag er presentert i vedlegg. Oppdateringen av 15 naturtyper har resultert i 16 nye kunnskapsgrunnlag. For 15 av de 16 naturtypene er det satt hovedmål om endret rødlistekategori ett trinn ned, mens for én naturtype (kilde-edelløvskog) er målet å beholde rødlistekategori (VU). Det er foreslått tiltakspakker med >75% måloppnåelse for 13 av naturtypene, mens det for de tre ferskvannstypene ikke er foreslått tiltakspakker. Det er vurdert tiltakskostnader for 60 tiltak. I de reviderte kunnskapsgrunnlagene er det lagt til en analyse av hvilken effekt de ulike foreslåtte tiltak og tiltakspakker har på omfanget og styrken av truslene naturtypene står overfor. Videre illustrerer vi hvordan effektanalyser kan vise hvilke muligheter og begrensinger som er knyttet til kunnskapsgrunnlagene i en forvaltningssammenheng. Analysen viser at kunnskapsgrunnlagene ikke utgjør et tilstrekkelig grunnlag til å kunne rangere tiltakspakkene etter forvaltningseffekt eller kostnadseffektivitet på en entydig måte. Selv om det er stor usikkerhet i prioriteringsrekkefølgen blant tiltakspakkene, vil en likevel forvente å oppnå en tilsiktet, økt samla forvaltningseffekt ved implementering av et begrenset utvalg av tiltakspakkene. Å velge tiltakspakker med høy estimert forvaltningseffekt forventes å gi høyere total forvaltningseffekt enn prioritering mht. kostnader. Vi har påpekt noen behov for videreutvikling av Rød til grønn-metoden og videre arbeid med «Trua natur». Disse omhandler hvordan sette mål, protokoller for prioritering, arbeid for å sikre høyere presisjon i kostnadsberegninger, hvordan angi nytte og hvordan innarbeide usikkerhet.

Bakkestuen, V., Silvennoinen, H.M., Aarrestad, P.A., Bredin, Y.K. og Lunde, L.M.F. 2022. Pilotprosjekt - Jordprøvetakning og jordanalyser i ANO-flater i 2022. NINA Rapport 2222. Norsk institutt for naturforskning. Vi har gjennomført et pilotprosjekt for jordprøvetaking i ANO (arealrepresentativ naturovervåking) for å teste metodenes egnethet til å overvåke for eksempel nitrogenavsetning, toleransegrenser og karbonlagre i ulike norske økosystemer. Målet er å tilby et fungerende og kalibrert overvåkingsprogram som skal brukes til å overvåke klimaendringer, endringer i arealbruk og forurensningseffekter på disse parameterne. Det ble samlet inn og analysert 40 jordprøver fra fire ANO-områder (0070 Øygardsbekken, Rogaland; 1065 Litleelva, Fjellgards-vatn-Røyrvatn, Rogaland; 0511 Birkenes, Agder 0588 Julussdalen, Innlandet) og tilhørende ANO-sirkler i løpet av høsten 2022. En ANO-flate er 500 x 500 m og består av 18 (atten) 250 m2 sirkler i et rutenett. Jordprøvene ble samlet fra både organiske og mineralske jordlag i sirklene og analysert for enkle, beskrivende jordparametre (BD, LOI, tørrvekt og fuktighet) og fysiske og kjemiske parametere (tot-N, tot-C, pH, CEC og partikkelstørrelsesfordeling). I tillegg laget vi en forenklet jordprofilbeskrivelse for hver naturtype ved sirklene og målte jorddybder i hver sirkel. Basert på en enkel dataanalyse er metodene som brukes for skog godt egnet for slike overvåkings-programmer som ANO. Prøvetaking for forenklet jordprofilbeskrivelse ga pålitelige resultater med minimal skade på ANO-sirklene. Basert på resultater fra både kjemiske og fysiske analyser av organiske og mineralske jordlag i skogene, ga prøvetakingsmetoden, samt innsamlingen av jordprøvene i felt, data av tilstrekkelig kvalitet uten bevis for blanding av de to jordlagene. I motsetning var både den lettere prøvetakingen for jordprofilbeskrivelse og jordprøver brukt for kjemiske og fysiske parametere i myr og torvmark ikke egnet for alle naturtyper som finnes i ANO-områder. Vi anbefaler derfor å revidere metoden for prøvetaking av myr og torvmark for fremtidige prosjekter. Vi anbefaler også å inkludere et betydelig antall dybderegistreringer per sirkel for både totaldybden av jordprofilene og dybden av det organiske laget, på grunn av store variasjoner og at betydningen av disse parameterne er viktige for andre analyser slik som karbonlagring. Det å sette av noe mer tid til det forberedende arbeidet samt til en ekstra instruksjonsdag for å kalibrere og synkronisere feltarbeidet til forskjellige prøvetakingsteamene før prøvetakingsfeltar-beidet, ville være ekstremt verdifullt og tidsbesparende på lang sikt. Også det å finne nøyaktig prøvetakingssted for jordprøvetagning var utfordrende for overgangsnaturtyper med heterogen jorddybde og type, for eksempel våtmarkskanter. Vi anbefaler derfor å konsentrere fremtidige prosjekter i ANO-sirkler med homogene hovedøkosystemer, for å sikre kostnadseffektiv levering av data av god kvalitet. Vi foreslår også å unngå sjeldne naturtyper og de som er til stede på kun én av de 18 sirklene, da prøvetaking av denne naturtypen (3L/prøve), vil forårsake en uakseptabel stor skade i disse sirklene. Vi vil også gjøre oppmerksom på at noen av nøkkelparameterne (f.eks. tot-N) forventes å variere mellom flatehogst og skog, hvilke to naturtyper ikke er differensiert i ANO-registreringer. Sammenslåing av prøver fra disse naturtypene for analyse kan føre til uriktige kon-klusjoner for disse parameterne. Som en konklusjon er vi overbevist om at den testede metodikken generelt er godt egnet for fremtidige overvåkingsprogrammer, gitt at de ovennevnte erfaringene blir tatt med i planleggingen av jordprøvetakingen og -analysen i ANO-områdene i framtiden. Bakkestuen, V., Silvennoinen, H.M., Aarrestad, P.A., Bredin, Y.K. og Lunde, L.M.F. 2022. Pilot project - Soil sampling and soil analyzes in ANO areas in 2022. NINA Report 2222. Norwegian Institute for Nature Research. We carried out a pilot project for soil sampling in ANO (area-representative nature monitoring) to test the methods’ suitability to monitor e.g., nitrogen deposition, tolerance limits and carbon stocks in various Norwegian ecosystems. The aim is to provide a functioning and calibrated monitoring program to be used for monitoring climate change, land use change and pollution effects on those parameters. Altogether 40 soil samples were collected and analyzed from four ANO areas (0070 Øygardsbekken, Rogaland; 1065 Litleelva, Fjellgards-vatn-Røyrvatn, Rogaland; 0511 Birkenes, Agder 0588 Julussdalen, Innlandet) and associated ANO circles during autumn 2022. An ANO area is 500 x 500 m and consists of 18 (eighteen) 250 m2 circles in a regular grid. The soil samples were collected from organic and mineral soil layers of the circles and analyzed for simple, descriptive soil parameters (BD, LOI, dry weight and moisture) and physical and chemical parameters (tot-N, tot-C, pH, CEC and particle size distribution). In addition, we made a simplified soil profile description for each nature type at the circles and measured soil depths at each circle. Based on simple data-analysis the methods used for forests are well suited for such monitoring programs. Sampling for simplified soil profile description yields reliable results with little damage to the ANO-circles. Based on results from chemical and physical analysis of organic and mineral layers of the forests, the sampling method, as well as the pooling of the samples at field, provided data of sufficient quality with no evidence of mixing of the two layers. Contrastingly, both the lighter sampling for the profile description and the soil sampling used for chemical and physical parameters at peatlands, were not suited for all peatland types that are present at ANO areas. We therefore recommend revising the peatland sampling methodology for future campaigns. We also recommend including a substantial amount of depth recordings per circle for both total depth of the soil profile and the depth of the organic layer, due to the high variability in and relatively high importance of these parameters. Reserving more time for the preparatory work as well as for an additional instruction day to calibrate and synchronize the field work of different sampling teams prior to the sampling campaigns would be extremely valuable. Defining the accurate sampling location was challenging for transitional nature types with heterogeneous soil depth and type, such as wetland edges. We therefore recommend concentrating future campaigns in ANO circles at main ecosystems, to secure cost-efficient provision of good quality data. We also suggest avoiding rare habitat types and those present on only one of the 18 circles, as sampling of this extend (3L/sample), will cause an unacceptably large damage in these circles. We would also like to bring to attention that some of the key parameters (e.g. tot-N) are expected to vary between clear cuts and forests, which two nature types are not differentiated in ANO-registrations. Pooling samples from these nature types for analysis will lead to biased conclusions for those parameters. As a conclusion, we are convinced that the tested methodology is generally well suited for future monitoring programs, given that the above-mentioned experiences and concerns are accounted for in planning the soil sampling and analysis at the ANO areas.

Bendiksen, E, Bakkestuen, V., Brandrud, T.E., Framstad, E., Jacobsen, R.M., Nordén, B. & Odden, J. 2021. Naturverdier i Østmarka. Vurdering av Østmarkas naturverdier i henhold til naturmangfoldlovens krav til nasjonalpark. NINA Rapport 1945. Norsk institutt for naturforskning. Naturverdier, behov for skjøtsel eller restaurering og landskapsøkologiske sammenhenger er vurdert for terrestrisk natur i områder i Østmarka eid av Oslo kommune og Nordre Follo kommune. Dette oppdraget fra statsforvalteren i Oslo og Viken inngår i en prosess der deler av Østmarka utredes for å vurdere opprettelse av nasjonalpark. Utredningsområdet var definert av oppdragsgiver, og strekker seg fra Lutvann i nord til Bindingsvann i sør, med en bueform som inkluderer Østmarka naturreservat, mens det grenser opp mot andre skogeiendommer eid av bl.a. Losby Bruk, Lørenskog og Enebakk kommuner. Naturkvalitetene gir grunnlag for en grov inndeling i fire delområder. Østmarka nord-vest (delområde 1) omfatter en relativt høy andel gammelskog sammenlignet med Oslomarka for øvrig, med enkelte rike og høyproduktive naturtyper som kalkskog og edellauvskog blant annet i friluftslivsområdene Hauktjern og Spinneren. Mye av arealet er allikevel tydelig påvirket av tidligere flatehogst og dominert av næringsfattige skogtyper, med lav, men økende mengde død ved. Østmarka sør-øst (delområde 2) er enda sterkere preget av skogbruk, med lav andel gammelskog og kun spredte små areal med preg av gammel naturskog. Østmarka ytre vest (delområde 3) omfatter et mindre område rett øst for Oppsal og Hellerud, og er preget av mye bruk fra lokalbefolkningen med høy stitetthet og vegetasjonsslitasje. Til tross for lite død ved og stort sett næringsfattige skogtyper, er det her funnet et relativt stort antall truede og nær truede arter. Østmarka naturreservat (delområde 4) er ikke kartlagt i forbindelse med dette prosjektet, da verneverdiene her allerede er godt kjent. Potensialet for restaurering er stort for særlig Østmarka nord-vest og Østmarka sør-øst. Disse områdene har en del innslag av ensartet, ensaldret gran- eller furuskog, der restaurering ved differensiert tynning kan bidra til raskere utvikling av variasjon i trærnes alder og dimensjon, samt flersjiktet vegetasjon. Det bør vurderes bruk av kontrollert brann («naturvernbrenning») som restaureringstiltak for å oppnå økologiske effekter av brann og reetablering av brannavhengige arter. Slik brenning kan potensielt tilføre Østmarka et økt mangfold av naturtyper og arter, og spesielle naturverdier knyttet til skogbrann som i dag er omtrent fraværende i norske skoger. Naturvernbrann eller andre skjøtselstiltak som reduserer grandominans, kan dessuten bidra til å opprettholde det relativt høye innslaget av osp og ospeassosierte arter som kjennetegner deler av Østmarka. Restaurering er også nødvendig for å gjenopprette god økologisk tilstand for drenerte myrer og sumpskoger, og slike tiltak pågår allerede i regi av Bymiljøetaten. Vern av hele eller store deler av utredningsområdet vil gi et betydelig bidrag til skogvernets dekning av skog i lavlandet i Sørøst-Norge, og skog på middels og høy bonitet. Med et areal på over 80 km2 vil det i dag utgjøre det tredje største verneområdet på land i Sørøst-Norge, og utgjøre et av få større, sammenhengende verneområder med skog. Bidraget til økologisk konnektivitet, dvs. den geografiske sammenhengen, mellom verneområder i Sørøst-Norge vil være marginalt, og området ligger tydelig avgrenset av infrastruktur, bebyggelse og vannsystemer. Allikevel har de sørlige delområdene (2 og 4) god økologisk sammenheng til tilgrensende områder i Østmarka. Basert på dette kunnskapsgrunnlaget, er vår samlede vurdering at utredningsområdet (særlig en kombinasjon av delområde 1, 2 og 4) oppfyller kriteriene for en nasjonalpark oppgitt i naturmangfoldloven, som et større naturområde med representative og til dels særegne økosystemer. En nasjonalpark i Østmarka vil dessuten kunne ha en spesiell verdi for friluftsliv, undervisning og forskning. Blant annet er det spesielt med forekomst av store rovdyr som ulv og gaupe så nær en storby. Dagens naturverdier vil også øke på sikt, potensielt med bidrag fra det som kan utgjøre et unikt restaureringsprosjekt i FNs tiår for naturrestaurering. Bendiksen, E, Bakkestuen, V., Brandrud, T.E., Framstad, E., Jacobsen, R.M., Nordén, B. & Odden, J. 2021. Nature values in Østmarka. An assessment of the nature values in Østmarka in accordance with the criteria for national parks in the biodiversity act. NINA Report 1945. Norwegian Institute for Nature Research. Nature values, need for management or restoration and landscape ecology has been assessed for terrestrial areas in Østmarka owned by Oslo and Nordre Follo municipality. This project, commissioned by the county governor of Oslo and Viken, is part of a process to assess the potential for a national park in Østmarka. The area assessed in this report stretches from Lutvann in the north to Bindingsvann in the south, with a curved shape including Østmarka nature reserve in the east, bordering other large forest properties such as Losby Bruk. Based on the nature values of the area, it can be divided into four sections. Østmarka north-west (section 1) comprises a relatively high proportion of old forest in comparison with the rest of the forests surrounding Oslo, including some rich and highly productive nature types, for instance in Hauktjern and Spinneren recreational areas. However, a large proportion of the area is clearly affected by previous clear-cutting and dominated by nutrient poor forest types with low, but increasing, volumes of dead wood. Østmarka south-east (section 2) is even more strongly affected by forestry, with a low proportion of old forest and only a few scattered areas with characteristics of old natural forest. A smaller area east of Oppsal and Hellerud makes up Østmarka west (section 3), which is intensively used by the local population, resulting in a high density of tracks impacting the vegetation. Despite the low volumes of dead wood and mainly nutrient poor forest types, a relatively high number of threatened and near threatened species have been registered in this section. Østmarka nature reserve (section 4) has not been mapped in this project, as its nature values are already well known. There is great potential for restoration, especially in section 1 and 2. These areas include several homogenous spruce plantations, where restoration through varied thinning could accelerate the development of diversity in tree age, dimension, and vegetation layers. Controlled burning should be considered, both as a means of forest restoration and to reintroduce nature types and species associated with fire to the area. Controlled burning could reestablish unique nature values connected with forest fire that are largely absent in today’s forests. Controlled burning or other measures that reduce spruce dominance will also contribute to maintain the relatively high proportion of aspen and associated species characteristic of several areas in Østmarka. Restoration is a necessity to restore good ecological condition in drained mires and swamp forests. Oslo municipality has already begun restoring mires in the area. Protection of all or large parts of the assessment area will considerably increase the protected area of forest at low altitudes in Southeast-Norway, and forest at medium or high productivity classes. If protected, the assessment area of over 80 km2 would comprise the third largest protected area on land in Southeast-Norway and one of few large protected forest areas in Norway. Its contribution to the regional connectivity of protected areas is nevertheless marginal, and the area is clearly delimited by infrastructure, buildings and water systems. Even so, the southern sections (2 and 4) are ecologically well-connected with bordering forest areas. Based on this knowledge, we consider the assessment area (in particular sections 1, 2 and 4) to meet the criteria for a national park as defined in the biodiversity act, as a larger nature area with representative and in part unique ecosystems. Furthermore, a national park in Østmarka could be of particular value for outdoor recreation, teaching and research. It is unique as a forest area with occurrences of wolves and lynx near a large city. Today’s nature values will increase over time, potentially with contribution from what could be a remarkable restoration project in the UN decade on ecosystem restoration.

Venter, Z.S., Nowell, M.S., Bakkestuen, V., Ruud, A., Kruse, M., Skrindo, A.B., Kyrkjeeide, M.O. & Singsaas, F.T. 2021. Literature review of wetland remote sensing and mapping. NINA Rapport 2014. Norsk institutt for naturforskning. Det er et nasjonalt mål at alle økosystemer skal ha god tilstand (nasjonalt mål 1 for naturmangfold) (Norges miljømål - Miljøstatus for Norge (miljodirektoratet.no)). Dette gjelder også for våtmark. Videre har Stortinget vedtatt mål om å restaurere 15% av økosystemer som har forringet tilstand, til god økologisk tilstand innen 2025 (Sak - stortinget.no, Meld. St. 14, 2015-2016). For å kunne nå nasjonale miljømål samt å prioritere riktig ved restaurering eller andre tiltak, er det er det nødvendig med kunnskap om status og utvikling av økosystemenes utbredelse og tilstand. Kartlegging, overvåking og forskning er nødvendig for å gi et godt og solid kunnskapsgrunnlag for forvaltningsbeslutninger og politiske prioriteringer. Kartlegging og overvåking av natur er kostbart, og det er nødvendig å utarbeide effektive metoder som gir tilstrekkelig god kunnskap. Bruk av fjernmålte data gir en mer kostnadseffektiv kunnskapsinnhenting og det muliggjør innhenting av arealdekkende data med jevne mellomrom (altså overvåkingsdata). Dette gir tilgang til store og verdifulle datasett for status og utvikling, gitt at de gir tilstrekkelig informasjon om det som skal overvåkes, og gitt at det er bygget opp en datainfrastruktur og gode kartløsninger for sluttbruker. Bruk av fjernmålte data vil kunne gi norsk naturforvaltningen tilgang til et bedre kunnskapsgrunnlag for forvaltning av våtmark. Det gjelder kanskje aller mest for naturtyper som myr og annen våtmark som er stadig under press for forringelse og som i tillegg har vært lite prioritert kartlagt for eksempel i fjellområdene. I denne rapporten presenterer vi en systematisk litteraturgjennomgang av vitenskapelig litteratur kombinert med innhenting av informasjon fra relevante fagmiljøer for kartlegging, overvåking og tilstandsvurdering av våtmark fra fjernanalyse. I prosjektet er det gjort en rekke vurderinger som grunnlag for forslag til løsninger og prioriteringer. Forslagene svarer på spørsmålene i spesifikasjonslisten som direktoratet har satt opp for oppdraget, og er gjennomført i samsvar med de presiseringer, avgrensninger og definisjoner som ble gjort i samråd med oppdragsgiver. I tillegg til litteraturgjennomgangen innhentet vi informasjon fra et utvalg av nasjonale og internasjonale eksperter der vi kartla erfaringer med fjernmåling av våtmark. I tråd med hva Miljødirektoratet ønsket, ble dette gjort for å komplettere funn i litteraturgjennomgangen. Vi utførte et systematisk litteratursøk ved å bruke prinsipper for beste praksis skissert i Moher et al. (2009). Vi brukte Web of Science og SCOPUS-databaser for søk i alle relevante engelskspråklige artikler, review-artikler, bok- og konferansekapitler. Søkeordene ble spesifisert i følgende tre kategorier: ‘remote sensing’ (A), ‘wetland’ (B) og ‘mapping methods’ (C), og de ble atskilt ved bruk av de boolske operatorene AND og ELLER. Artikler publisert etter 2015 ble inkludert i studiet. Dette for å begrense datastørrelsen slik at vi fikk tid til å behandle dataene gitt den korte prosjektperioden. Studier etter 2015 ble også valgt fordi vi la til grunn at de har brukt de nyeste kartteknikkene og dataene for fjernmåling, og de dermed er de mest relevante for fremtidig bruk av fjernmåling i kartlegging og overvåking av våtmark i Norge. Litteratursøket resulterte i 3235 treff (2059 fra Web of Science, og 2611 fra Scopus med 1435 duplikater). Vi gjennomgikk titlene for disse publikasjonene og sorterte dem ved bruk av eksklusjonskriterier. Etter dette satt vi igjen med de studiene som omhandlet kartlegging av våtmark i innlandet etter 2015 ved bruk av fjernmåling. Tittelscreeningen resulterte i 508 relevante publikasjoner. Vi leste alle disse sammendragene (‘abstract’) og vurderte de etter relevans, noe som resulterte i vi stod igjen med 137 publikasjoner for videre bearbeiding. Videre bearbeiding innebar å lese hele teksten og registrere relevante variabler som kreves for å identifisere de vanligste metodene for fjernmåling (f.eks. sensortype, romlig oppløsning, bakkesannheter) av myr som er relevant for Norge. Til slutt la vi til ytterligere 73 publikasjoner fra Mahdianpari et al. (2020a) sin metaanalyse av fjernmåling av våtmark i Nord-Amerika. Dataene herfra ble tilpasset våre analyser ved blant annet å samle inn tilleggsinformasjon slik at de var i samsvar med de dataene vi hadde hentet ut. Totalt bestod vårt litteratursett deretter av data fra 210 studier. Vår litteraturundersøkelse viste at de fleste studiene som benyttet fjernmåling til å kartlegge våtmark, ble gjennomført i Canada (61), USA (41) og Kina (38). Det var få studier fra Skandinavia, med kun to i Sverige og to studier i Finland. Det er ikke publisert studier i den akademiske internasjonale litteraturen knyttet til norsk våtmark eller myr og kartlegging av disse fra fjernmåling. I disse tallene har vi ikke inkluder nasjonale rapporter og annet grå litteratur. Disse er diskutert separat i eget delkapittel. Våre undersøkelser viser at de fleste studier klassifiserer våtmarker basert på sonering. Soneringen kan bestå i ulike habitater (f.eks. kyst, elvemunning, innlandet), klimasone (f.eks. boreal, alpin) eller arealbruk (f.eks. våtmark vs. jordbruk vs. by). Færre studier definerte våtmarker basert på dominerende arter, struktur, funksjonelle grupper eller temporær dynamikk. Våtmarker ble som oftest forhåndsdefinert og kartlagt i motsetning til andre arealklasser. Dette antyder at det er nødvendig også å definere "ikke-våtmark" når man kan definere "våtmark". Antall klasser varierte noe, men svært få studier hadde mer enn 10 klasser i sitt endelige klassifiseringskart. Medianen var 7 klasser. De fleste studier baserte seg på data fra bakkesannheter samlet inn i felt (44 studier), mens 32 studier baserte seg på visuell tolkning av høyoppløselige flyfoto og 28 baserte seg på en kombinasjon av feltdata og bildetolkning. Resultatene viste at 12 studier var avhengige av andre referansedatasett (datasett som ligner på AR5 og N50 i Norge) som bakkesannheter. Kun studiene med referansedataene viste en signifikant sammenheng mellom nøyaktighet i kartproduktet og antall bakkesannheter. Antall sannhetsdatapunkter var lavest for in situ-data (samlet i felt) (median 270 datapunkter), og høyest for referansedatasett (median 1570 datapunkter). Nær halvparten av studiene brukte satellittdata fra mer enn et tidspunkt. Særlig Landsat ble brukt i langtidsserier for endringsanalyser. Selv om de fjernmålte dataene ble tatt opp på ulike tidspunkter, ble de gjerne satt sammen til å skaffe et produkt og ikke en endringsanalyse. Flertallet av studier kartla våtmark/myr på landskapsnivå ( 10km2 & $ 30 / km2) er flybåren LiDAR, UAV og flyfotografering mest brukt. Når det gjelder typen klassifiseringsmodell, brukte 125 studier pikselbasert bildeklassifisering og 71 brukte objektbasert. Pikselbaserte klassifiseringsstudier produserte kart med en medianoppløsning på 16m, mens objektbaserte kart ga en median på 10m oppløsningskart. Til tross for dette, var det svært liten forskjell i kartnøyaktighet mellom de to metodene. Resultatene indikerer at antall prediktorvariabler (dvs. bildebånd eller båndindekser) i klassifiseringsmodeller økte kart-nøyaktigheten for objektbasert klassifisering, men hadde ingen effekt for pikselbasert klassifisering. Imidlertid var det en trend at den objektbaserte klassifiseringen ble forsøkt brukt på vanskeligere problemstillinger som for eksempel å skille nært beslektede klasser, noe som vi tolker dithen at objektbaserte metoder skal løse problemene de pikselbaserte metodene ikke har klart hittil. Dette kan forklare at det er liten forskjell mellom nøyaktigheten på metodene selv om de objektbaserte metodene ser ut til å gjøre det generelt litt bedre enn de pikselbaserte. Dette gjenspeiles også i de studiene som sammenligner metodene på like vilkår. De vanligste metodene for maskinlæring som ble brukt til å generere kart over våtmark/myr, var beslutningstrær (f.eks. Random Forest,), etterfulgt av støttevektormaskiner (Support vector machine). Toppmoderne (state-of-art) nevrale nettverksmodeller ble brukt i 13 av studiene, men den anvendte typen maskinlæringsmodell hadde ingen merkbar effekt på kartnøyaktigheten. Ingen av studiene hadde dog tatt i bruk TensorFlow. Svært få av publikasjonene (19) kartla økologisk tilstand eller påvirkningsfaktorer. Av de som gjorde det, var de mest kvantifiserte tilstandsfaktorene artssammensetning og oversvømmelses-område. Den eneste påvirkningsfaktoren som ble kvantifisert i studiene, var endring av arealbruk (f.eks. våtmarkskonvertering til jordbruk). Basert på litteraturgjennomgangen, ekspertbasert spørreskjema og personlig erfaringer som forskere i NINA, gir vi følgende anbefalinger for kartlegging og overvåking av våtmark i Norge basert på fjernanalyse. Det er viktig å merke seg at disse anbefalingene kan endres betydelig avhengig av de nøyaktige spesifikasjonene for kartleggingsprosjektet (f.eks. budsjett, nøyaktighetskrav osv.). • Våtmarkstypologien som brukes, bør være en forening av NiN-systemet og internasjonale standardsystemer som det kanadiske Cowardian systemet. Beslutninger om typologi bør tas i samarbeid mellom botanikere og fjernmålerutøvere. Botanikere vil kunne sikre klassifiseringens teoretiske integritet, og utøvere av fjernmåling vil gi råd om hva som er og ikke er mulig å se og skille på satellittbilder. Basert på våtmarksklassene som brukes i litteraturen, ser det ut som om det er mulig å skille mellom blant annet jordvannsmyr, nedbørsmyr og sump. Det kan derfor være urealistisk å prøve å kartlegge mer detaljerte hierarkier som definert i NiN. • Fusjon ‘fusion’ av optiske data og radardata vil ikke bare gi komplementære data om spektrale, strukturelle, strukturelle og dielektriske egenskaper (indikasjoner på fuktighet), men vil også kompensere for det frekvente skydekket i Norge. • Bruke Sentinel-1 og Sentinel-2 som har åpen kildekode og har inntil 10m romlig oppløsning. Ettersom begge har polarbaserte baner, er repetisjonstiden mye mindre for land nær polarområdene. Selv om disse satellittene ikke er tilgjengelig langt bak i tid (lansert i 2014 og 2015), har de en lang fremtid framover, noe som gjør dem nyttige for overvåking av våtmarker. • Sentinel-1-data bør anskaffes i dobbel polarisasjonsmodus (HH / HV) med både høy og lav innfallsvinkel, der det er mulig. • Høyoppløselige satellittbilder med 2-4 m piksler er foreløpig ikke funnet brukt i regionale eller nasjonale kartmodeller for våtmark. Dersom disse vil bli tilgjengelig til lavere kostnad i framtiden bør de vurderes som egnete datakilder. • De nasjonale LiDAR- og ortofotodatasettene i Norge har foreløpig ikke nådd full dekning og utelukker også noen høyalpine områder som kan inneholde våtmarker. Videre oppdateres ikke LiDAR- og ortofotodataene årlig, men regelmessig, og tillater derfor ikke årlig operativ overvåking. Derfor bør disse datasettene med høy oppløsning brukes til å rengjøre, kvalitetskontrollere og muligens bidra med ytterligere bakkesannhetsdata. I tilfelle Miljødirektoratet ønsker et enkelt ‘baseline’ våtmarkskart over Norge som ikke oppdateres regelmessig, kan det vurdere å bruke LiDAR og ortofotoer i klassifiseringsmodellen. • Data for fjernmåling bør ideelt sett behandles i en skybasert plattform på grunn av nasjonal skala som gir store datamengder, spesielt når man fusjonerer sammen mulititemporal og multisensor-tilnærminger som krever bearbeidelse av en atskillig mengde data. Å bruke Google Earth Engine (GEE) som behandlingsplattform er fordelaktig fordi det allerede er vert for Sentinel-data og tilgangskopier av Kartverket LiDAR-datas om er lastet opp og er klare for behandling. GEE kan brukes til å generere et pilotnasjonalt våtmarkskart, men operativ overvåking i fremti-den vil kreve evaluering av det kommersielle GEE-programmet som en bærekraftig løsning. • Bakkesannheter for våtmarker i Norge eksisterer i form av NiN, ANO, AR5 og N50, men definisjonene og datakvaliteten til våtmark varierer betydelig. Derfor må man bruke betydelig tid på å harmonisere disse datasettene og kvalitetskontrollere dem ved hjelp av ortofotoer med høy oppløsning (Norge i bilder, norgeibilder.no) og satellittbilder. Hvis tilstrekkelig budsjett er tilgjengelig, bør feltarbeid vurderes for å samle gode treningsdata og for å tilpasse og verifisere nøyak-tigheten av NiN, AR5, ANO eller N50. • Spektrale indekser, slik som NDVI, NDWI og NDMI, anbefales for å skille mellom våtmarkstyper og for å vurdere tilstanden til våtmarker. • Vi anbefaler å teste flere metoder før man går i gang med å lage et nasjonalt kart, gjerne teknikker som ikke krever enormt mye regnekapasitet og ofte brukes i andre studier. Spesielt anbefaler vi å teste både Random Forest beslutningstrær og dyplæring (Fully Convolutional Neural Networks – FCNN). Dette er to av de mest brukte modellene som i dag brukes og siteres i litteraturen, og gir dermed mest sannsynlig de beste resultatene. Vær oppmerksom på at modellopplæring og tuning vanligvis er ganske tidkrevende når dette skal gjøres optimalt. Mangelen på studier i Skandinavia gjør at det finnes lite erfaring med slik kartlegging i Norge. Dette gjelder også studier på observasjon av økologisk tilstand fra fjernmåling. Det trengs mer forskning på dette temaet i Norge. Venter, Z.S., Nowell, M.S., Bakkestuen, V., Ruud, A., Kruse, M., Skrindo, A.B., Kyrkjeeide, M.O. & Singsaas, F.T. 2021. Literature review of wetland remote sensing and mapping. NINA Report 2014. Norwegian Institute for Nature Research. Mapping and monitoring of nature is expensive but it is necessary to develop knowledge sufficient for data-driven decision making and managing of nature. The use of remote sensing provides more cost-effective knowledge acquisition and enables the provision of area-wide, spatially-explicit data at regular intervals. This provides access to large and valuable data sets, provided that they are accurate accounts of the reality on the ground and that uncertainty is quantified, and that a good data infrastructure and a map solution has been developed for the end user. In this report, we present a systematic literature review, combined with data from questionnaire surveys from practitioners, on the mapping, monitoring and condition assessment of wetlands using remote sensing. We used Web of Science and Scopus databases to search all relevant English language articles, reviews, book chapters and conference chapters. Relevance was defined by keywords specified in three categories including ‘remote sensing’ (A), ‘wetland’ (B) and ‘mapping methods’ (C), separated by AND and OR boolean operators. Articles published after 2015 were included to limit the data size so that we had enough time to process the data given the short project period. Studies after 2015 are also likely to adopt the latest mapping techniques and data for remote sensing, and are therefore most relevant for future wetland mapping applications in Norway. In addition to the literature review, we obtained information from a number of national and international experts from whom we mapped experiences with remote sensing of wetlands. In line with what the Norwegian Environment Agency wanted, this was done to supplement findings in the literature review. The literature search returned 3235 entries (2059 from Web of Science, and 2611 from Scopus with 1435 duplicates). We then screened the publication titles for relevance using exclusion criteria. The title screening resulted in 508 relevant entries which were further screened with abstract and full-text reading resulting in 137 entries left for further processing. Further processing involved reading the entire text and registering variables relevant to wetland remote sensing (e.g. spatial resolution, sensor type) that are of interest to the Norwegian Environment Agency. Finally, we added another 73 publications from Mahdianpari et al. (2020a) meta-analysis of remote sensing of wetlands in North America. These additional data were adapted to our analysis by, among other things, collecting additional information so that they were in accordance with our extracted data. Thus, in total our literature set consisted of data from 210 studies. Our literature review showed that most studies using remote sensing to map wetlands were in Canada (61), USA (41) and China (38). Overall, few studies were available for Scandinavia, with only two in Sweden and two in Finland. No studies were published in the academic international literature on Norwegian wetlands or bogs and mapping of these from remote sensing. Our results revealed that most studies classified wetlands based on a zonal typology defined by the spatial context of the wetland (e.g. coastal vs inland). Fewer studies defined wetlands based on their dominant species (e.g. grass vs sedge), structure (e.g. basin vs swale), functional group, or temporal dynamics. Wetlands were most often defined and mapped in contrast to other land cover classes. This suggests that it is equally important to define “non-wetland” when one is mapping “wetland” so as not to produce false-positive wetland predictions. Studies classified land cover into a median of 7 classes. Very few studies had more than 10 classes in their final classification map. In terms of the wetland typology used, the wetland sub-classes were dominated by names from the Canadian wetland typology including fen (“jordvannsmyr” på norsk), marsh, swamp (“sump”), and bog (“nedbørsmyr”). The majority of studies mapped wetlands at landscape (< 10km2) or provincial (>10km2 & < 50000km2) extents, with very few mapping at national or continental extents. Most studies (73) relied on Landsat satellites to map wetlands, followed by RADARSAT, and the Copernicus Sentinel satellites. The most common map resolution was >10m, which included satellites such as Landsat, Sentinel-1, PALSAR and RADARSAT. The map accuracy was not significantly related to the spatial resolution of the map. There was large variation in map accuracies at both high and low spatial resolutions, suggesting that other study-specific factors are more important determinants of accuracy. Regarding the type of classification model, 125 studies used pixel-based image classification and 71 used object-based. Pixel-based classification studies produced maps with a median resolution of 16m while object-based maps gave a median of 10m resolution maps. Despite this, there was very little difference in map accuracy between the two methods. The results indicate that the number of predictor variables (i.e. image bands or band indices) in classification models increased the map accuracy for object-based classification, but had no effect for pixel-based classification. This may explain why there is little difference between the accuracy of the methods even though the object-based methods seem to generally perform a little better than the pixel-based ones. This is also reflected in the studies that compare the methods on equal terms. The most common machine learning framework used to generate wetland maps was decision trees (e.g. Random Forest), followed by support vector machines (SWM). State-of-the-art neural network models were used in 13 of the studies. The type of machine learning model adopted had no discernible effect on map accuracy. Very few of the publications (19) map ecological status or influencing factors. Of those that did, the most quantified condition factors were species composition and flood area. The only influencing factor quantified in the studies was the change in land use (e.g. wetland conversion to agriculture). The lack of studies in Scandinavia means that there is little experience with such mapping in Norway, although a thorough search of the grey literature may change this conclusion. This also applies to studies on observation of ecological condition from remote sensing. More research needs to be done on these scientific issues. Finally, we provide recommendations for generating a national-scale wetland map for Norway both in terms of a static base map and an operational workflow to provide such maps at regular intervals in the future.

Jokerud, M., Bargmann, T., Vassvik L., Bakkestuen, V., Kyrkjeeide, M.O. & Uggerud, H.T. 2021. Miljøovervåkingsprogram for Nyhamna landanlegg – Nyhamna, Gossa. Overvåking av vegetasjon og jord – endringer i kjemiske parametere fra 2008 til 2020. NINA Rapport 1934. Norsk institutt for naturforskning. A/S Norske Shell sitt landanlegg i Nyhamna på øya Gossa i Aukra kommune mottar ubehandlet gass og lettolje (kondensat) fra Ormen Lange-feltet i Norskehavet. Fra og med desember 2018 får Nyhamna også tilført ubehandlet gass fra Aasta Hansteen-feltet. Ved produksjon av salgs-gass og kondensat slipper landanlegget ut CO, CO2, NOx, CH4, NMVOC (inklusive BTEX), SO2 og mindre mengder tungmetaller etter utslippstillatelse gitt av Miljødirektoratet. Utslipp av nitrogen og svovelholdige gasser kan generelt påvirke terrestriske økosystemer ved forsuring og gjødsling av jordsmonn og vegetasjon. For å kunne dokumentere eventuelle effekter av utslipp til luft av forurensende stoffer, ble det i 2008 etablert en overvåking av vegetasjon, vann og jord i påvirkningsområdet fra Nyhamna landanlegg. Overvåkingen er videreført med noen justeringer i metodikk siden oppstart. Det ble i 2008 opprettet to overvåkingsområder, ett med relativt høy avsetning av nitrogen nord-øst for anlegget innenfor Gule-Stavikmyrane naturreservat i Fræna kommune (lokalitet Gulmyran), og ett sørvest for landanlegget på øya Gossa med mindre nitrogenavsetning (lokalitet Aukra, referanselokalitet). Etter analysen i 2016 anbefalte NINA å legge ned lokalitet Aukra, fordi den ikke lengre egnet seg som referanseområde på grunn av høyt beitetrykk fra hjortevilt, for nær beliggenhet til utslipp fra prosessanlegget på Nyhamna og lokal forurensing fra biltrafikk og nærliggende grøfting av myrområdet. I 2018 ble det derfor etablert en ny referanselokalitet innenfor Lomstjønna naturreservat på Harøya i Ålesund kommune. Kystlyngheiene på Gulmyran har en mer fuktig utforming enn ved Lomstjønna. Derfor ble det i 2020 opprettet to nye analysefelter av kystlynghei på Gulmyran med en tørrere utforming som ligner kystlyngheia på Lomstjønna, og ett av de tidligere analysefeltene ble lagt ned. Innen hvert område utføres en integrert overvåking av vegetasjonens artssammensetning og kjemisk innhold i planter, humusjord og jordvann i tre ulike næringsfattige vegetasjonstyper: 1) kystlynghei, 2) tuemyr og 3) fastmattemyr, begge de to siste på nedbørsmyr. Disse vegetasjonstypene anses å ha lave tålegrenser for forurensing og er følsomme for forsuring og eutrofiering. I tillegg ble det utført optiske målinger av plantenes grønnhet (NDVI), som gir en indikasjon på helsetilstanden til vegetasjonen. Her rapporteres resultater fra vegetasjonsundersøkelsen, og de kjemiske målingene av plantevev, jord og jordvann på Gulmyran og Lomstjønna i 2020, samt en vurdering av endring av målte parametere over tid. Generelt viser analysene at både de terrestriske og akvatiske økosystemer er i relativt god til-stand på begge lokaliteter. Vegetasjonsanalysene viser at vegetasjonen i alle tre naturtyper har en ganske lik artssammensetning på Lomstjønna og Gulmyran. Utvalget av de nye kystlyngheifeltene på Gulmyran har således vært vellykket. Det er heller ingen store endringer i vegetasjonen over tid, men graminiden torvull har økt i mengde på myrfeltene på Gulmyran. Dette kan være en begynnende eutrofiering av vegetasjonen på grunn av økt nitrogenavsetning. Analysen av plantekjemien viser også at endringene over analyseårene er relativt små. Innholdet av både makro-næringsstoffer og sporelementer i plantevevsprøver er også sammenlignbare mellom lokalitetene. Innholdet av tungmetaller i plantevevsprøvene fra Gulmyran har hatt en generell nedgang. I likhet med analysene gjort på plantevevet viser de kjemiske analysene av jordvann og humusjord fra 2008 til 2020 små endringer i de overvåkede parametere på lokaliteten Gulmyran. Selv om det har vært en signifikant nedgang i pH i både jord og jordvann over analyseårene, er pH verdiene tilsvarende på Lomstjønna, og utviklingen er lik på begge lokalitetene. Utviklingen i nitrogeninnholdet i jord og jordvann er også nokså lik på begge lokalitetene, og er foreløpig ikke forårsaket av nitrogenutslipp fra landanlegget. Konsentrasjonen av tungmetallene i både jord og jordvann er relativt små, og alle signifikante endringer på Gulmyran mellom 2008 og 2020 viser tilbakegang av elementene. Det er likevel noe bekymringsfullt at innholdet av alle tungmetallene har økt i humusjord fra Gulmyran fra 2018 til 2020. Foreløpig er det liten grunn til å tro at endringer i de fleste av parameterne skyldes utslipp fra Nyhamna landanlegg. Likevel er det viktig at man fortsetter innsamling av eksisterende parametere for bedre å vurdere utviklingen på Gulmyran i forhold til den nyopprettede referanselokaliteten, særlig gjelder dette den videre utviklingen av tungmetaller og økningen de to siste årene.

Bakkestuen, V. & Venter, Z. 2021. Utvikling av standardiserte bakkesannheter for økosystemer på land. NINA Rapport 1922. Norsk institutt for naturforskning. Miljøforvaltningen har betydelige kartleggings- og overvåkingsbehov. Dette gjelder særlig for heldekkende overvåking av status og endringer av naturtypene som finnes i Norge. Fjernmåling er en arealdekkende teknologi som kan gjøre naturovervåkingen mer kostnadseffektiv og som gir areal- og utslippsstatistikker som er mulig å oppdatere fortløpende. Dette er nødvendig for å kunne gi et godt grunnlag for målrettet forvaltning og politikkutforming. På tross av de mulighetene som ligger i fjernmålte produkter, så har de også en rekke utfordringer knyttet til seg når det gjelder å gjøre produktene forvaltningsrelevante. Det ligger en usikkerhet i alle fjernmålte kartprodukter. Forvaltningen er særlig avhengig av at heldekkende naturtypekartprodukter er nøyaktige nok for det gitte forvaltningsformålet med hensyn på riktig klassifisering av arealer. For de fleste forvaltningsformål vil utviklingen av gode produkter kreve tilgang til bakkesannheter av tilstrekkelig kvalitet og omfang. Tidligere rapporter har tydeliggjort at mangel på gode akkesannhetsdata er en begrensning for bruk av fjernmåling i Norge. I denne rapporten har vi sett på hvilke eksisterende kilder til in situ kartlagte data vi har i Norge som kan brukes som gode bakkesannheter for fjernmåling (BFF). Vi har sett på mulighetene for å hente BFF som ligger i de arealrepresentative overvåkingssystemene Landsskogtakseringen (LST) og i Arealrepresentativ overvåking (ANO), som er de to eksisterende store programmene for innhenting av arealstatistikk og overvåking i Norge. I tillegg har vi høstet erfaringer fra to store internasjonale programmer, LUCAS og LCMAP, som også kan brukes i innhenting av BFF. ESA sin in-situ komponent er også kort beskrevet. Rapporten går igjennom hvilke krav som bør settes for gode BFF, både når det kommer til de statistisk riktige metodene og de mest løsningsorienterte metodene i forhold til tilgjengelige ressurser. Rapporten har kommet fram til seks viktige krav som BFF bør oppfylle: (i) generelt krav om statistisk utlegging av BFF som oppfyller kravene i moderne samplingsmetodikk også når det gjelder representativt utvalg av prøveflater, (ii) oppfyller homogenitetskravet for BFF, (iii) oppfyller arealkravet for minstestørrelse for BFF, (iv) oppfyller kravet om tilstrekkelig antall, (v) har innebygget mulighet til å fange opp sjeldne arealtyper og (vi) at BFF ligger fritt tilgjengelig maskinlesbart et sted på nettet. Det siste er viktig med tanke på FAIR prinsippene. De aller fleste eksisterende overvåkingsprogrammene som ikke er tilpasset BFF i utgangspunktet, sliter med å oppfylle krav (ii) homogenitet og (iii) tilstrekkelig minsteareal. Dette gjelder også LST og ANO. Det er viktig at dataene er kvalitetssikret (særlig hvis man punsjer i felt). LUCAS (Land Use/Cover Area frame Survey) er et EU-samarbeid (Eurostat) som skal gi harmonisert og sammenlignbar statistikk om arealbruk og arealtyper over hele EU. LUCAS utføres, som i LST og ANO, med feltobservasjoner i et lite sentrert areal (her i en sirkel med 1,5 m radius) på utvalgte forhåndsdefinerte prøvepunkter. LUCAS har eksistert siden 2006 og feltarbeid gjennomføres hvert 3. år. LUCAS sin kjerneprotokoll for innsamling av data hadde store begrensninger på romlig skala og representativitet når det gjaldt å bruke disse innsamlingene til kalibrering, opplæring og/eller validering av fjernmålte produkter. Derfor gjorde LUCAS en tilpasning i 2018 for å imøtekomme kravene som BFF bør oppfylle. Den viktigste endringen gjort i 2018 besto i å lage en homogent LUCAS polygon rundt kjerneområdene. En LUCAS polygon består av fire innmålte punkter i N, S, Ø, V retning i opptil 51 meter fra midtpunktet dersom arealtypen/klassen ikke endrer seg i løpet av denne distansen. Ved endring av arealtype i en eller flere av kardinalretningene settes punktet i overgangen av arealtypene/klassene. Ved å innføre en slik liten endring som ble gjort LUCAS i 2018, ville man kunne gjøre LST og ANO mye mer anvendbare i BFF sammenheng. Om dette ikke er praktisk mulig å lage en LUCAS polygon, vil en vurdering av homogenitet i arealtype eller arealklasse i en sirkel med radius 25 meter rundt det eksisterende midtpunktet, være til stor nytte. Rapporten foreslår å lage kartprodukter fra fjernmåling i en tre trinns prosess, alt etter hvilken presisjon som ønskes i sluttproduktet. Første trinn, som kan være en skrivebordsøvelse der man henter treningspunkter fra ekspertvurderinger og tolkninger av flyfoto/satellitt, vil kunne være utgangspunkt for et førstegenerasjonskart. Førstegenerasjonskartet kan brukes til å lage en samplingsstrategi for innhenting av bakkesannheter i felt i trinn to. Det er foreslått å hente inn 50 – 100 BFF for å lage et andregenerasjonskart. Dersom det andre generasjonskartet i trinn to virker lovende, dvs. har gode valideringsresultater fra de innhentede BFF, åpner dette for trinn tre, hvor det gjerne innhentes 500 eller flere BFF (blant annet avhengig av valideringsresultatene i trinn to) for å lage et tredje generasjonskart med høy kvalitet. I rapporten finnes det også et forslag til en BFF app, som allerede er tatt i bruk av Miljødirektoratet i andre pågående prosjekter slik som ANO. Det er gitt konkrete forslag til hva som skal samles inn av parametere i appen. Med muligheter for mer objektbasert klassifikasjon i pikselnaboskap, og mer fokus på mønster-analyser i framtiden, vil antagelig etterspørselen etter mer dyplæringsanvendelige BFF, som bilde chips, øke i framtiden. Bakkestuen, V. & Venter, Z. 2021. Development of standardized ground truths for terrestrial ecosystems. NINA Report 1922. Norwegian Institute for Nature Research. The environmental authorities have significant mapping and monitoring needs. This applies in particular to comprehensive monitoring of the status and changes of the habitat types found in Norway. Remote sensing is a relatively new area-covering technology that can make nature monitoring more cost-effective, and provide area and emission statistics that are possible to update continuously. This is necessary to be able to provide a good basis for targeted management and policy formulation. Despite the opportunities that lie in remotely measured products, they also have a number of challenges associated with them when it comes to making the products management relevant. There is an uncertainty in all remotely measured map products. The management is particularly dependent on solid nature type map products being accurate enough for the given management purpose with regard to the correct classification of areas. For most management purposes, the development of good products will require access to ground truths of sufficient quality and scope. Previous reports have made it clear that the lack of good ground truth data is a limitation for the use of remote sensing in Norway. In this report, we have looked at which existing sources of in situ mapped data we have in Norway that can be used as good ground truths for remote sensing (BFF). We have looked at the possibilities for retrieving BFF, which are located in the area-representative monitoring systems Landsskogstaseringen (LST) and in Area-representative monitoring (ANO), which are the two existing large programs for obtaining area statistics and monitoring in Norway. In addition, we have gained experience from two major international programs, LUCAS and LCMAP, which can also be used in obtaining BFF. ESA's in-situ component is also briefly discussed. The report reviews the requirements that should be set for good BFFs, both when it comes to the statistically correct methods and the most solution-oriented methods in relation to available resources. The report has identified six important requirements that BFF should meet: (i) general requirements for statistical interpretation of BFF that meet the requirements of modern sampling methodology also with regard to representative selection of sample surfaces, (ii) meet the homogeneity requirement for BFF, (iii) meets the area requirement for minimum size for BFF, (iv) meets the requirement for a sufficient number, (v) has a built-in ability to capture rare area types and (vi) that BFF is freely available machine readable somewhere on the web. The latter is im-portant in terms of FAIR principles. The vast majority of existing monitoring programs that are not adapted to BFF in the first place, struggle to meet requirements (ii) homogeneity and (iii) sufficient minimum area. This also applies to LST and ANO. It is important that the data is quality assured (especially if you punch in the field). LUCAS (Land Use / Cover Area Frame Survey) is an EU collaboration (Eurostat) that will provide harmonized and comparable statistics on land use and land types throughout the EU. LUCAS is performed, as in LST and ANO, with field observations in a small centered area (here in a circle with a radius of 1.5 m) at selected predefined test points. LUCAS has existed since 2006 and fieldwork is carried out every 3 years. LUCAS 'core data collection protocol had major limitations on a spatial scale and representativeness in using these collections for calibration, training and / or validation of remotely measured products. Therefore, LUCAS made an adjustment in 2018 to meet the requirements that BFF should meet. The most important change made in 2018 was to create a homogeneous LUCAS polygon around the core areas. A LUCAS polygon consists of four measured points in the N, S, Ø, V direction at up to 51 meters from the center point if the area type / class does not change during this distance. When changing the area type in one or more of the cardinal directions, the point is set in the transition of the area types / classes. By introducing such a small change that was made to LUCAS in 2018, one would be able to make LST and ANO much more usable in the BFF context. In principle this would maintain the information already collected in LST and ANO but make it representative and applicable to re-mote sensing methods. If this is not possible, simply verifying that LST, ANO or other existing BFF points consist of or do not consist of a homogeneous area type or area class in a circle with a radius of 25 meters around the existing midpoint, would be of great use. The report proposes to make map products from remote measurement in a three-step process, depending on the precision desired in the final product. The first step, which can be a desk exercise where you get training points from expert assessments and interpretations of aerial photos / satellite, could be the starting point for a first-generation map. The first generation map can be used to create a sampling strategy for obtaining ground truths in field in step two. It is proposed to collect 50 - 100 BFF to make a second generation map. If the second generation map in step two seems promising, ie has good validation results from the obtained BFFs, this opens up for step three, where it is often possible to obtain 500 or more BFFs (among other things depending on the validation results in step two) to create a third generation map with high quality. The report also includes a proposal for a BFF app, which has already been used by the Norwegian Environment Agency in other ongoing projects such as ANO. Specific suggestions have been given for what parameters are to be collected in the app. With opportunities for more object-based classification in pixel neighborhoods, and more focus on pattern analyzes, the demand for more deep-learning BFF will probably increase in the future.

Solem, Ø., Holthe, E., Bakkestuen, V., Bergan, M.A., Ulvan, E.M., Berg, M., T.B., Havn, Jensås, J.G., Krogdahl, R. & Lykkja, O. 2021. Tapt areal og redusert produksjonspotensial i sidevassdragtil Orkla. Sluttrapport for undersøkelser i perioden 2017-2019. NINA Rapport 1797. Norsk instituttfor naturforskning. I perioden 2017-2019 er det gjennomført problemkartlegging og ungfiskundersøkelser i 87 bekker og sidevassdrag tilhørende Orkla. Denne rapporten gir en vurdering av vassdragenes økologiske tilstand, med beregninger av tapt areal og redusert produksjonsevne for sjøørret (og laks) i 62 av sidevassdragene. En detaljert oppsummerende gjennomgang av hvert enkelt av de 87 vassdragene som er undersøkt i perioden er publisert i tidligere NINA-rapport. Resultatene fra undersøkelsene i Orkla gir et samlet arealtap beregnet til 22,3 % av det opprinnelige, grunnet menneskeskapte inngrep og endringer i de undersøkte sidevassdragene til Orkla. For vannmiljøet i flere av sidevassdragene viser dagens kunnskapsgrunnlag at summen av belastninger har redusert vann- og habitatkvaliteten mye, i tillegg til det konkrete tapet av areal. Samvirket mellom inngrep, endringer og i noen tilfeller vannkraftregulering synes omfattende, og vil i stor grad påvirke produksjonsevnen for laks og sjøørret i sidevassdragene til Orkla. Basert på denne sumvurderingen har vi beregnet at produksjonsevnen for laksefisk på gjenværende areal kun er 51,2 % av opprinnelig produksjonsevne. På bakgrunn av ungfiskundersøkelser i hovedelva Orkla framstår i dag små og mellomstore tilløpsvassdrag til Orkla som meget viktige for å opprettholde en livskraftig bestand av sjøørret i Orklavassdraget. Den betydningen sidevassdragene har for sjøørretbestanden, sammen med dagens trusselbilde både i sjø og ferskvann, kan derfor ikke understrekes sterkt nok. Med forholdsvis enkle og effektive tiltak er det et stort potensial for å gjenvinne mye av dagens tapte areal, og samtidig øke produksjonskapasiteten for sjøørret og laks. Tiltakene omfatter blant annet gjenoppretting av vandringsveier, forbedring av vann-/habitatkvalitet og etablering av sik-ker helårsvannføring i flere av sidevassdragene til Orkla. Gjenoppretting av vandringsveier og restaurering av gyte- og oppvekstområder for laksefisk i sidevassdragene synes her å være nøkkeltiltak for å øke produksjonsevnen. Dette er samtidig kostnadseffektive tiltak. Samtidig vil de mest påvirkede og inngrepsbelastede vassdragene kreve en større restaureringsinnsats. Det bør derfor nå settes fokus på tiltaksrettede prosjekter i sidevassdragene i Orklavassdraget, med utarbeiding av konkrete og prioriterte tiltaksplaner, med formål å gjenvinne tapt areal og øke produksjonsevnen i de mest berørte sidevassdragene.

Aarrestad, P.A., Bakkestuen, V. & Breistøl, A. 2021. Konsekvenser for naturmangfold i forbindelse med ny kabeltrasé på Tjeldbergodden - Linnorm reservoar. NINA Rapport 2042. Norsk institutt for naturforskning. A/S Norske Shell ønsker å etablere en ny kabeltrasé for strømkabler på land samt et nytt frekvensomformeranlegg (substasjon) rett utenfor metanolanlegget på Tjeldbergodden i Aure kommune i Møre og Romsdal fylke. Vi har utredet hvilke konsekvenser to utbyggingsalternativer, kabeltrasé 1 og 2, har på naturmangfold. Begge alternativene har felles lokalitet for substasjon. Fokus i oppdraget har vært viktige naturtyper, rødlistearter og økologiske funksjonsområder for fugl. Rapporten er basert på tilgjengelig kunnskap og nye felt-befaringer. Vurderinger av naturmangfoldverdi, påvirkninger og konsekvenser er utført ved hjelp av Miljødirektoratets veileder for Konsekvensutredninger for klima og miljø - tema naturmangfold, M-1941. Kabeltrasé 1 går fra substasjon ved Saglia i øst og følger inngjerdingen på sørsiden av industri-anlegget i vestlig retning til havet ved Stongnesflesa/Tjeldberget. Kabelen legges her hovedsakelig i grøft langs eksisterende veger. Traséen påvirker sårbare naturtyper som helofyttsump ved Kvernavatnet, samt ombrotofe myrer (NT) og spredte forekomster av kystlynghei (EN) i vest. Kabeltrasé 2, som er den korteste, går fra substasjonen i nordlig retning mot havet og legges hovedsakelig i fjell. Her finnes fattig barskog, løvskog og et granplantefelt. Det ble ikke funnet rødlistede eller andre forvaltningsrelaterte plantearter som kan bli påvirket av utbyggingen i det kartlagte området. Tre rødlistede fugler ble observert. Til sammen er ni rødlistede fugler og dyr registrert fra området: vannrikse (VU), fiskemåke (NT), gulspurv (NT), gjøk (NT), hønsehauk (NT), sivspurv (NT), stær (NT), hare (NT) og oter (VU). Naturmangfoldverdiene er hovedsakelig knyttet til arealer rundt Kvernavatnet, samt ombrotrofe myrer og mindre områder med kystlynghei langs kabeltrasé 1. Ved en eventuell utbygging etter alternativ 1 kan disse arealene få henholdsvis “betydelig miljøskade” og “noe miljøskader”. For alternativ 1 gir dette en samlet konsekvensgrad på “middels negativ konsekvens”. Arealene langs kabeltrasé 2 har “ubetydelig verdi”. Områdene vil likevel bli “forringet” ved en eventuell utbygning, men samlet er konsekvensgraden vurdert til “ubetydelig konsekvens”. Al-ternativ 2 vil således føre til langt mindre negative konsekvenser for naturmangfold enn alternativ 1. Usikkerhet i kunnskapsgrunnlaget er vurdert, og skadereduserende tiltak i anleggsfase og driftsfase er anbefalt.

Solem, Ø., Bergan, M.A., Ulvan, E.M., Berg, M., Holthe, E., Havn, T.B., Jensås, J.G., Krogdahl, R., Lykkja, O. & Bakkestuen, V. 2021. Resultater fra feltundersøkelser og problemkartlegging av sidevassdrag til Orkla. Kunnskapsgrunnlag for beregning av tapt areal og tiltaksforslag for sjøørretbekker i Orkla. NINA Rapport 1798. Norsk institutt for naturforskning. Sjøørreten har i lengre tid hatt en negativ bestandstrend i Trondheimsfjorden. Årsakene til de siste tiårenes dramatiske nedgang hos sjøørretbestanden er sammensatt og ikke fullt kartlagt, og må knyttes både til årsaker i sjø og i ferskvann. I denne rapporten presenteres en gjennomgang av feltundersøkelser, problemkartlegging, og biologiske vurderinger for sidevassdragene i Orkla som ble befart i perioden 2017-2019. Totalt beskrives 87 sidevassdrag langs Orkla fra Orkanger, og til Brattset i Rennebu. I tillegg er det undersøkt flere sidebekker i de større sidevassdragene, Vorma, Åsskjerva, Resa og Grana, som gjør at det totale antallet bekker og sidevassdrag som er undersøkt er 91 stykk. Sidevassdragene til Orkla har et sammensatt og komplisert påvirkningsbilde, og ulike påvirkninger har stort variasjon mellom vassdragene og innad i hvert enkelt vassdrag. Det er derfor store forskjeller i gjennomgangen for det enkelte vassdragene, avhengig av eksisterende påvirkningsfaktorer og vår kunnskap om disse. Allerede kjente påvirkningsfaktorer i sidevassdragene, samt eventuelle nye inngrep og/eller påvirkninger som er avdekket, og som er relevante for fiskebestandene, er beskrevet. Den vassdragsvise oppsummeringen er arrangert kommunevis (basert på at det tidligere var tre kommuner i undersøkelsesområdet). En samlet vurdering av økologisk tilstand, tapt areal og forslag til tiltak vil bli gitt i rapporten «Beregning av tapt areal og tiltaksrettet kartlegging av sjøørretbekker i Orkla. Sluttrapport for undersøkelser i perioden 2017-2019» (Solem mfl. 2021, i arbeid).

Framstad, E., Bakkestuen, V., Halvorsen, R., Kålås, J.A., Myklebost, H., Nilsen, E., Olsen, S.L., Pedersen, B., Stokke, B. & Økland, T. 2020. Program for terrestrisk naturovervåking (TOV). Dokumentasjon av overvåkingsområder, metoder og data. NINA Rapport 1827. Norsk institutt for naturforskning. Program for terrestrisk naturovervåking (TOV) ble etablert av Direktoratet for naturforvaltning (nå Miljødirektoratet) i 1990 og finansieres nå av Miljødirektoratet. TOV omfatter overvåking i 6 områder med bjørkeskog og 9 områder med barskog. Overvåkingsområdene ligger fra sør til nord og dekker variasjon i klima og tilført forurensing. I områdene med bjørkeskog og i Solhomfjell overvåkes markvegetasjon, epifytter på bjørkestammer, smågnagere og fugler, i fem av bjørkeskogsområdene også bjørkemålere. I de øvrige granskogsområdene overvåkes nå kun markvegetasjon. I tillegg gjennomføres landsomfattende undersøkelser av epifytter på bjørkestammer. Det er vedtatt at TOV skal konkurranseutsettes fra 2021. Formålet med denne rapporten er å dokumentere TOVs overvåkingsområder, plassering av prøveflater o.l., metoder og data. De enkelte områdene er kort beskrevet med tekst og kart. Koordinater for analysefelt, prøveflater, fangsttransekter, takseringspunkter og -linjer er levert til Miljødirektoratet som separat tabell og på standard GIS-format. Overvåking av markvegetasjonen i bjørkeskog og barskog foregår i all hovedsak etter identiske metoder. I hvert analyseomløp undersøkes vegetasjonen i hvert område i 50 faste ruter på 1 m2 (100 ruter i Solhomfjell), som dekker de viktigste lokale miljøgradientene. Forekomst og mengde av arter av karplanter, moser og lav registreres både som prosent dekning og frekvens i småruter (á 625 cm2). I tillegg registreres ulike variabler knyttet til klima, jord, tresjikt, skader på vegetasjonen og smågnageraktivitet. Epifytter undersøkes hvert 5. år på 40 bjørketrær i hvert av TOV-områdene i bjørkeskog og i Solhomfjell. På hvert tre registreres forekomst og mengde av ulike taksa langs 5 faste takseringslinjer i ulike høydenivåer. Det registreres også grad av skade på lav, forekomst av arter som ikke treffes av takseringslinjene, samt miljødata knyttet til klima, lystilgang, trehøyde og barkens pH. Metoder for landsomfattende registrering av epifytter i utvalgte prøveflater for Landsskogtakseringen er også beskrevet. Mengde og artssammensetning av bjørkemålere undersøkes årlig på 240‒300 bjørkegreiner i 5 områder med nordboreal bjørkeskog. I tillegg registreres skade på bjørkelauv og frøsetting på bjørk. Mengde og demografi hos smågnagere undersøkes hver høst i bjørkeskogsområdene og Solhomfjell ved klappfellefangst. Fangsten foregår over 3‒5 dager med en fangstinnsats på 400‒1500 felledøgn pr. område. Alle smågnagere artsbestemmes og ulike demografiske variabler registreres. I tillegg er habitatet på hver fangststasjon registrert (sist i 2004). Det er planlagt at metodene for smågnagerovervåking skal endres til kameraovervåking av hensyn til dyrevelferd. Bestanden av spurvefugler og andre fuglearter overvåkes hver hekkesesong i bjørkeskogsområdene og i Solhomfjell. Takseringene foregår på 200 faste tellepunkter pr. område, til fastsatte dager i sesongen og tidspunkt på morgenen. Observasjoner gjøres i nøyaktig 5 min. pr. tellepunkt. I tillegg undersøkes reproduksjonen hos svarthvit fluesnapper som hekker i fuglekasser i Lund, Solhomfjell, Gutulia og Åmotsdalen. Bestandsnivå og produksjon av liryper overvåkes i bjørkeskogsområdene i august hvert år ved taksering med hund langs faste linjer. Antall observerte voksne og ungfugl og deres avstand fra takseringslinja registreres. Reproduksjonssuksess hos kongeørn og jaktfalk undersøkes i hhv. 6 og 3 områder med bjørkeskog. Kjente hekkelokaliteter innen 50 km omkrets fra sentrum av overvåkingsområdet oppsøkes flere ganger i hekkesesongen for å dokumentere ungeproduksjon. Data innsamlet gjennom TOV er beskrevet ved type variabler, datastruktur og lagringsform. Dataene fra de ulike delprosjektene er lagret på forskjellig vis (i ulike databaser og regneark). De er foreløpig ikke lagt til rette for åpen tilgang. Ekstern bruk av dataene forutsetter kontakt med ansvarlig forsker for tilgang, tilrettelegging og ev. andre betingelser for videre bruk. Det pågår en utredning om hvordan TOV kan videreutvikles mer i retning av økosystembasert, integrert overvåking. Dette arbeidet kan ha betydning for hvor og hvordan TOV bør gjennomføres i årene framover. Beskrivelsen i denne rapporten tar utgangspunkt i hvordan TOV gjennomføres i dag. Framstad, E., Bakkestuen, V., Halvorsen, R., Kålås, J.A., Myklebost, H., Nilsen, E., Olsen, S.L., Pedersen, B., Stokke, S. & Økland, T. 2020. Program for Terrestrial Ecosystems Monitoring (TOV). Documentation of monitoring sites, methods and data. NINA Report 1827. Norwegian Institute for Nature Research. The Terrestrial Ecosystems Monitoring Program (TOV) was established by the Directorate for Nature Management (now the Environment Agency) in 1990 and is now funded by the Environment Agency. TOV comprises surveillance in 6 areas with birch forest and 9 areas with coniferous forest. The monitoring sites are distributed from south to north and cover variation in climate and pollution deposition. In the sites with birch forests and in Solhomfjell, ground vegetation, epiphytes on birch trunks, small rodents and birds are monitored, in five of the birch forest areas also defoliating moths. In other spruce forest areas, only ground vegetation is monitored. In addition, nationwide surveys of epiphytes on birch trunks are conducted. It has been decided that the contract for TOV will be open for competition from 2021. The purpose of this report is to document TOV's monitoring sites, location of sampling plots, methods, and data. The individual sites are briefly described with text and maps. Coordinates for sampling plots, census points and lines have been delivered to the Environment Agency as a separate table and in standard GIS format. Monitoring of the ground vegetation in birch and coniferous forests applies essentially the same methods. Vegetation in each site is examined in 50 fixed 1 m2 plots (100 plots in Solhomfjell), covering the main local environmental gradients. Occurrence and amount of species of vascular plants, bryophytes and lichens are recorded as percent coverage and frequency in small plots (of 625 cm2). In addition, various variables for climate, soil, tree layer, damage to vegetation and small rodent activity are recorded. Epiphytes are examined every 5 years on 40 birch trees in each of the TOV sites in birch forests and in Solhomfjell. On each tree, the occurrence and amount of different taxa are recorded along 5 fixed census lines at different height levels. Also recorded are damage to lichens, occurrence of species between census lines, and environmental data for climate, light availability, tree height and bark pH. Methods for nationwide monitoring of epiphytes in selected sites for the National Forest Inventory are also described. The abundance and species composition of birch defoliating moths are examined annually on 240‒300 birch branches in 5 sites with north boreal birch forest. In addition, damage to birch leaves and birch seed set are recorded. The abundance and demographics of small rodents are examined every fall in the birch forest sites and Solhomfjell by snap traps. Trapping occurs over 3‒5 days with a trapping effort of 400‒1500 trapnights per site. All trapped rodents are identified to species and various demographic variables are recorded. In addition, the habitat at each trap station is recorded (most recently in 2004). The methods for small rodent monitoring are planned to be changed to camera monitoring for animal welfare reasons. The abundance of passerine birds and other bird species is monitored every breeding season in the birch forest sites and in Solhomfjell. The census takes place at 200 fixed points per site, at set dates and time in the morning. Observations are made for exactly 5 min. per point. In addition, the reproduction of pied flycatchers is investigated in nest boxes in Lund, Solhomfjell, Gutulia and Åmotsdalen. Abundance and production of willow grouse are monitored in the birch forest sites in August each year along fixed census lines. The number of observed adults and juveniles and their distance from the census line is recorded. Reproductive success of golden eagles and gyrfalcons is investigated in, respectively, 6 and 3 sites with birch forest. Known breeding sites within 50 km radius from the centre of the monitoring site are surveyed several times during the breeding season in order to document juvenile production. Data collected through TOV are described by type of variables, data structure and storage form. The data from the different sub-projects are stored in different ways (various databases, Excel spreadsheets). They are not yet openly accessible. External use of the data requires contact with the responsible researcher for access, facilitation and any other conditions for further use. A study is underway on how TOV can be further developed as ecosystem-based, integrated monitoring. This work may have an impact on where and how TOV should be implemented in the years to come. The description in this report is based on TOV’s current implementation.

Evju, M., Stabbetorp, O.E., Olsen, S.L., Bratli, H., Often, A. & Bakkestuen, V. 2020. Åpen grunnlendt kalkmark i Oslofjordområdet. Uttesting av overvåkingsmetodikk og resultater fra 2020. NINA Rapport 1910. Norsk institutt for naturforskning. Åpen grunnlendt kalkmark i boreonemoral sone er en naturlig åpen naturtype med urte- og gressrik vegetasjon, sammensatt av de to grunntypene åpen sterkt kalkrik grunnlendt lyngmark (T2-7) og åpen sterkt kalkrik grunnlendt lavmark (T2-8) fra Natur i Norge 2.1. Åpen grunnlendt kalkmark i boreonemoral sone er vurdert å være en sterkt truet naturtype (EN) og har høy forekomst av rødlistede karplanter, sopp og invertebrater. I 2014 ble det foreslått et opplegg for overvåking av naturtypen, og i denne rapporten presenteres en uttesting av overvåkingsopplegget samt innsamling av data for første år i første omløp av overvåking. Prosjektet har som formål å teste og justere metodikk og feltprotokoller for overvåking, gjennomføre datainnsamling i utvalgte overvåkingslokaliteter, og lage foreløpige estimat for antall forekomster, areal og status for tilstand av åpen grunnlendt kalkmark i Oslofjordområdet. Definisjonsområdet omfatter marine avsetningsbergarter mindre enn 500 meter fra kystlinja og lavere enn maksimal høyde for landhevingen siden siste istid. Det består av tre delområder: indre, midtre og ytre Oslofjord. Overvåkingslokalitetene er definert med bruk av SSBs rutenett på 500 × 500 m, og 400 lokaliteter er tilfeldig trukket for undersøkelse i et femårig omløp. I 2020 har de første 80 lokalitetene inngått. Overvåkingslokalitetene ble undersøkt først i GIS med flyfoto, vektorlag over eksisterende polygoner (Naturbase m.m.), observasjoner av habitatspesifikke karplanter lastet ned fra GBIF og flyfoto. I alt 43 lokaliteter ble oppsøkt i felt, der naturtype-forekomster med kartleggingsenhetene T2-C-7 og/eller T2-C-8 ble avgrenset som polygoner, med minsteareal for utfigurering 250 m2. Data ble samlet inn i permanente vegetasjonsruter (0,5 × 0,5 m), en sirkel rundt hver rute (5 m radius) og ved systematiske søk (etter fremmede og rødlistede karplanter). I alt 34 polygoner i 18 lokaliteter ble avgrenset og 220 vegetasjonsruter analysert. Elleve lokaliteter ble ikke feltundersøkt pga. tidsbegrensninger. Bare om lag halvparten av eksisterende Naturbase-forekomster ble avgrenset i overvåkingen, resten tilfredsstilte ikke kriteriene for avgren-sing. I tillegg avgrenset vi fem nye polygoner, to nært kjente forekomster og tre i ruter uten kjente forekomster. Beregninger basert på årets data tilsier at det finnes ca. 470 polygoner av naturtypen innenfor definisjonsområdet, som til sammen dekker et areal på ca. 1 km2 (95 % konfidens-intervall hhv. 292‒666 og 0,52‒1,65 km2). I alt 256 karplanter ble registrert, hvorav 25 rødlistede og 36 fremmede arter med stor økologisk risiko. Omtrent halvparten av de rødlistede og fremmede artene ble bare registrert med systematiske søk gjennom polygonene. Artsrikdom i vegetasjonsrutene var signifikant lavere der dekningen av fremmede arter var høy. Vegetasjonssammensetningen varierte noe mellom indre, midtre og ytre Oslofjord. Et sett med indikatorer for å vurdere økologisk tilstand i naturtypen ble foreslått. En prediksjonsmodell for å predikere sannsynlighet for fremmede karplantearter ble utviklet, med feltinnsamlede data som valideringsdata. Valideringen viste at prediksjonsmodellens sannsynlighetsberegninger korrelerte godt med feltinnsamlede data på antall og mengde fremmede arter. Sannsynligheten for fremmede arter ble beregnet for hele overvåkingens definisjonsområde. Vi anbefaler at overvåkingen fortsetter med samme protokoll, men med tilleggsregistrering av dekning av problemarter. Planlegging av feltarbeid bør starte senest i april 2021, slik at apper for datainnsamling kan tilrettelegges og feltarbeid kan gjennomføres på en mest mulig effektiv måte. Evju, M., Stabbetorp, O.E., Olsen, S.L., Bratli, H., Often, A. & Bakkestuen, V. 2020. Dry calcareous grasslands in the Oslofjord region. A test of monitoring protocols and results for 2020. NINA Report 1910. Norwegian Institute for Nature Research. Dry calcareous grassland is a naturally open, meadow-like nature type with herbaceous vegetation. It occurs on shallow, calcareous soils and is considered an endangered (EN) nature type in Norway. It has high occurrence of red listed vascular plants, fungi and invertebrates. In 2014 a monitoring program was suggested, and in this report a test of this monitoring and the first year of data collection is presented. The objective of the project is to test and adjust monitoring protocols, carry out data collection in selected localities, prepare preliminary estimates of number of occurrences and area and ecological condition of dry calcareous grassland in the Oslofjord region. The area of monitoring is defined as marine sedimentary bedrock in coastal areas directly dependent on the uplift after the last glaciation. A grid of 500 × 500 m was used to sample monitoring localities, and a total of 400 localities were drawn randomly, of which 80 were included in the 2020 monitoring. The localities were first investigated in GIS with vector layers of existing polygons, habitat specific species and orthophotos. A total of 43 localities were field invented and all polygons satisfying the criteria for the nature type were delineated. Data were recorded in permanent plots (0,5 × 0,5 m), a circle around each plot (5 m radius) and through systematic walking through the polygons (red listed and invasive alien vascular plants). A total of 34 polygons in 18 localities were delineated and 220 vegetation plots analyzed. Eleven localities were not field invented due to time constraints. Only about half the existing polygons were delineated in the field, the remaining did not fulfil the criteria. In addition we recorded five new polygons, two in close proximity to existing polygons and three in localities with no existing polygons. Based on 2020 data we estimate approximately 470 polygons of dry calcareous grassland within the area of monitoring, covering a total of 1 km2 (95% confidence intervals 292‒666 and 0.52‒1.65 km2, respectively). A total of 256 vascular plants were recorded, of which 24 were red listed and 36 invasive alien species. About half of the red listed and invasive species were only recorded through systematic searches. Species richness in the vegetation plots was significantly negatively related to cover of invasive alien species. Species composition varied somewhat between inner, middle and outer Oslofjord regions. A set of indicators for assessing eco-logical condition is suggested. A prediction model to predict the probability of invasive alien species was developed, and field recorded data were used to validate the model. The validation showed that model predictions correlated well with field recorded data, and the probability of occurrence of invasive alien spe-cies was predicted for the whole area of monitoring. We recommend a continuation of the monitoring with the implemented monitoring protocol, but with additional recording of “problematic” species. Planning of 2021 work should start no later than April to facilitate apps for data collection and efficient implementation of field work.

Dervo, B.K., Bakkestuen, V., Mjelde, M., Walseng, B., Jensen, T. og Gregersen, F. 2020. Prediksjonsmodellering av forekomst av kalkdammer i Norge. NINA Rapport 1814. Norsk institutt for naturforskning. Potensielle kalkrike vannlokaliteter (> 20 mg Ca/l) ble funnet gjennom en overlayanalyse, dvs. en sammenligning av kartlag, mellom grunnlagskartet vann fra N50-kartserien i målestokk 1:50 000 og økologisk grunnlagskart for kalkinnhold klasse 5, dvs. svært kalkrikt, i målestokk 1:250 000. Alle vannpolygoner i N50 som inneholdt eller krysset kalkinnhold klasse 5 ble valgt ut og danner grunnlaget for potensielt kalkrike innsjøer, dvs. innsjøer tjern og dammer. Antall potensielle kalkrike vannlokaliteter ble redusert ved å korrigere for myr, løsmassetypene tykk morene og deretter tynn morene. Prediksjonsmodellen antyder at det finnes 4 094 kalkrike innsjøer, tjern og dammer i Norge. Sammenhengen mellom prediksjonsmodellen og de reelle forekomstene ble testet med et uavhengig datasett på 464 vannforekomster med vannkjemiske målinger. Prediksjonsmodellen forklarer mer enn 95% av utbredelsen til de kalkrike vannforekomstene. Dette tyder på at prediksjonsmodellen, logikken og oppbyggingen av denne hviler på gode antagelser om sammenhenger. Prediksjonsmodelleringen viste at det er usikkerheter i de økologiske grunnlagskartet i målestokk 1:250 000 knyttet til kartoppløsningen, kategoriseringen og presisjonen til tilgjengelig arealdekkende datasett. Pr i dag kjenner vi til 689 svært kalkrike vannlokaliteter, hvorav 293 innsjøer (> 0,025 km2) og 396 dammer og tjern ( 20 mg Ca/l) were found through an overlay analysis, i.e. a comparison of map layers, between ecological base maps from the N50 map series at scale 1:50,000 and the ecological base map for lime content class 5, i.e. very calcareous, in scale 1: 250,000. All water polygons in N50 that contained or crossed grade 5 lime were selected and form the basis for potentially lime-rich lakes and ponds. The number of potential calcareous lake or pond locations was reduced by correcting for marshes, first the types of pulp thickening the moors, and then the thin moors. The prediction model suggests that there are 4,094 lime lakes and ponds in Norway. The relationship between the prediction model and the real occurrences was tested with an independent dataset of 464 water bodies with water chemistry measurements. The prediction model explains more than 95% of the prevalence of the calcareous water deposits. This suggests that the prediction model, its logic and its structure are based on good assumptions about relationships. The prediction modelling showed that there are uncertainties in the ecological base map in scale 1: 250,000 related to the map resolution, categorization and precision of available land-cover datasets. At present we know of 689 very lime-rich water sites, of which 293 are lakes (> 0.025 km2) and 396 are lakes and ponds (

Jakobsson, S., Bakkestuen, V., Barton, D.N., Lindhjem, H. & Magnussen, K. 2020. Utredning av tilgjengelige og relevante datagrunnlag for kategorisering av naturareal. NINA Rapport 1767. Norsk institutt for naturforskning. Arealbruksendringer er i dag den største driveren for tap av biologisk mangfold og natur generelt. Vi trenger derfor styrket politikk og virkemidler for å begrense slike negative effekter. Overordnet betyr det å bedre innarbeide betydningen av natur i private og offentlige beslutninger, dvs. hvordan en best kan differensiere mellom tap av ulike typer natur som grunnlag for virkemidler for å regulere arealbruk. Kategorisering av natur kan gjøres på ulike måter og på ulike skalaer, og ved bruk av ulike typer kartverktøy og metoder, men kan i første rekke gjøres ved bruk av tilgjengelige data. Formålet med dette prosjektet var derfor å gjennomgå og vurdere eksisterende, heldekkende og tilgjengelige datagrunnlag som kan utgjøre et grunnlag for kategorisering av naturarealer med et generelt formål om ivaretakelse av natur, der vi delte opp datagrunnlag i fire temaer: arealtyper med ulike egenskaper, økologisk integritet, økologisk tilstand, økosystemtjenester. Basert på en systematisk gjennomgang av datagrunnlag fra de mest relevante kildene nasjonalt, sammenstilte vi vha. ekskluderingskriterier en oversikt over 23 datagrunnlag som kunne være relevante for kategorisering av naturarealer. Vi gjennomførte en faglig vurdering av mulige tilnærminger til kategorisering av disse datagrunnlagene og beskrev hva en slik kategorisering ville bety ved praktisk bruk (hvilke typer av formål som vil kunne oppfylles). Videre oppsummerte vi styrker og svakheter hos tilgjengelige og heldekkende datagrunnlag, både for enkelte datagrunnlag og for formålet om ivaretakelse av natur basert på de fire temaene. Oppsummert finnes det relativt gode datagrunnlag for kategorisering av økologisk integritet, der vi vurderer Infrastrukturindeksen til å være best egnet for et slikt formål. To styrker med dette datagrunnlaget er den opprinnelige kontinuerlige skalaen som gjør tilpasset kategorisering mulig og at enkelte utbygginger av infrastruktur ikke har veldig stor effekt på selve indeksen. Vi vurderer også at datagrunnlaget for Tilstand vannforekomster egner seg for direkte kategorisering med formål om ivaretakelse av økologisk tilstand. Styrken med datagrunnlaget er tilknyttingen til vanndirektivet og internasjonalt arbeid på økologisk tilstand. I tillegg vurderer vi datagrunnlagene Karplanter – truede arter/ansvarsarter å utgjøre et godt utgangspunkt for videre utvikling av datagrunnlag for kategorisering av økologisk tilstand, særlig da tilsvarende datagrunnlag for andre artsgrupper er under utvikling. Utover disse mener vi at det ikke finnes gode nok datagrunnlag for direkte kategorisering, men diskuterer muligheter ved bruk av f.eks. flere datagrunnlag sammen eller naturtype- og arealdekke data for modell-tilnærminger. Vi foreslår for eksempel en rekke formålsdrevne kombinasjoner av data for å lage nye indekser, og gir forslag til tilnærminger basert på internasjonalt arbeid for kategorisering av naturarealer. Gjennomgangen og vurderingene presentert i denne rapporten, gir en oversikt over hvilke datagrunnlag som finnes tilgjengelige, heldekkende og er relevante for kategorisering for utvikling av virkemidler for bruk av naturarealer. Kategorisering, eller valg av datagrunnlag for kategorisering, vil være avhengig av formål, og må derfor ses i lys av spesifikke formål og virkemidler. I videre arbeid med å velge og utvikle datagrunnlag er det derfor viktig å ikke bruk en slik datadreven vurdering (denne rapporten). Vi anbefaler en mer formålsdrevet vurdering av data, der en også tar hensyn til skala, romlig og temporal oppløsning og usikkerhet i dataene.

Nowell, M., Krange, O., Bakkestuen, V,. & Ruud, A. 2020. Vindkraftkonsesjoner i forhold til WWFs kriterier for utbygging. Hva er status? NINA Rapport 1896. Norsk Institutt for naturforskning. WWF har krav de mener bør stilles til norske vindkraftutbygginger på land. WWF mener at det ikke skal bygges vindkraft i følgende tilfeller: 1.Dersom det reduserer mengden av inngrepsfri natur (områder lokalisert mer enn 1 kmfra tyngre tekniske inngrep) 2.Dersom det forringer: verneområder, naturtyper av nasjonal verdi (A), utvalgte naturtyper, truede naturtyper, nasjonalt viktige friluftsområder samt utvalgte kulturlandskap 3.Dersom det skaper oppstykking av viktige leveområder eller trekkområder for ansvarsarter eller truede og prioriterte arter 4.Dersom reduksjon av karbonutslipp som følge av bygging av vindkraftutbyggingen erliten i forhold til tapet av karbonlager og lagring Norsk institutt for naturforskning (NINA) har vurdert i hvilken grad eksisterende vindkraftkonse-sjoner tilfredsstiller WWFs kriterier. Vi har i arbeidet skilt mellom de etablerte anleggene som er bygget og i drift, de som er under bygging, og de som er under planlegging, men der konsesjon er gitt. Alle disse er inkludert, men vår kartlegging og analyse inkluderer ikke meldte eller foreslåtte prosjekt som er under vurdering. Den endelige vurderingen opp mot WWF-kriteriene besto av å gi en poengsum til hvert vindkraftområde basert på hvor mange av kriteriene som ble brutt. Vindkraftområder med poengsummen 0 oppfylte alle kriteriene, mens de med høyere poengsum ble vurdert å stride mot et eller flere av WWFs kriterier. Av totalt 101 analyserte vindkraftområder oppfylte bare 12 alle kriteriene, men sju av disse ligger offshore og er derfor ikke vurdert nærmere. Vi står igjen med fem landbaserte konsesjoner som oppfyller samtlige kriterier. Vi presentere to gode eksempler; Dalsbygda og Ånstadblåheie. De fleste vindkraftområder bryter ett eller to kriterier. Bare to bryter alle. Av de fire kriteriene, var det kriterium 3 som oftest ble brutt. Kun 28 av de 101 vindkraftområdene oppfylte dette kriteriet. I sum viser analysen at de aller fleste av konsesjonene er forbundet med konsekvenser for naturmangfold som er store nok at de burde vært avslått om man legger WWFs kriterier til grunn. Vi presenterer Haram vindkraftområde som bryter mange av WWF sine kriterier. WWFs kriterier anses som et konstruktivt innspill på et politikkområde som i økende grad er preget av meningsmotsetninger og konflikter. Vi kjenner få eksempler på utbyggingsplaner som ikke møter noen grad av motstand lokalt. Hele systemet med vindkraftkonsesjoner står oppe i legitimitetsutfordringer, og det får konsekvenser for etableringen av nye anlegg. Dette er utfordringer som hefter ved vindkraftutbygginger og konsesjonssystemet, og som neppe blir mindre selv om WWF skulle få fullt gjennomslag for sine kriterier. Vi vet imidlertid lite om hvordan befolkningen vurderer den pågående utviklingen på dette feltet. Til dette trengs brede holdningsundersøkelser om befolkningen meninger om - og potensiell støtte til - vindkraftutbygging i norsk natur. Nowell, M., Krange, O., Bakkestuen, V,. & Ruud, A. 2020. Vindkraftkonsesjoner i forhold til WWFs kriterier for utbygging. Hva er status? NINA Rapport 1896. Norwegian Institute for Nature Research. WWF has requirements that they believe should be made for Norwegian on-shore wind power developments. WWF believes that wind power should not be built in the following cases: 1.If it reduces the amount of non-invasive nature (areas located more than 1 km fromheavier technical interventions. 2.If it deteriorates: protected areas, habitats of national value (A), selected habitats, endangered habitats, nationally important outdoor areas and selected cultural land-scapes. 3.If it creates fragmentation of important habitats or migration areas for responsible species or endangered and priority species. 4.If the reduction or carbon emissions as a result of the construction of the wind powerdevelopment is small compared to the loss of carbon storage The Norwegian Institute for Natural Research (NINA) has assessed the extent to which existing wind power licenses satisfy WWF's criteria. In our work, mapping and analysis has been done for the established wind farms that are built and in operation, those that are under construction and those that are under planning, but where a license has been granted. The final assessment against the WWF criteria consisted of giving a score to each wind power area based on how many of the criteria were violated. Wind power areas with a score of 0 met all the criteria, while those with a higher score were considered to be in conflict with one or more of the WWF's criteria. Of a total of 101 wind power areas analyzed, only 12 met all the criteria, but seven of these are offshore and have therefore not been assessed further. We are left with five land-based licenses that meet all the criteria. We present two examples of good placement according to the WWF criteria; Dalsbygda and Ånstadblåheie. Most wind power areas violate one or two criteria. Only two violate all. Of the four criteria, the third criterion was the one that was most often violated. Only 28 of the 101 wind power areas met this criterion. In sum, the analysis shows that the vast majority of licenses are associated with consequences for natural diversity that are large enough that they should have been rejected if WWF's criteria are used as a basis. We present the Haram wind farm as an example of poor placement, where three of WWF's criteria are not met. WWF's criteria are regarded as a constructive input in a policy area that is increasingly characterized by disagreements and conflict. We know few examples of development plans that do not meet any degree of resistance locally. The entire system of wind power licenses is up for legitimacy challenges, and this has consequences for the establishment of new facilities. These are challenges that are related to wind power developments and the licensing system, and which are unlikely to be less even if WWF were to have full effect of the criteria. However, we know little about how the population assesses the ongoing development in this field. This requires broad attitude surveys about the population's opinions on - and potential support for - wind power development in Norwegian nature.

Prosjektleder Øyvind Garmo Norge har et eksisterende overvåkingsnettverk for å måle effekter av luftforurensninger som forsuring, overgjødsling og ozoneksponering i økosystemer. Ved eventuell implementering av nytt NEC‐direktiv «takdirektiv» (2016/2284/EU) må Norge rapportere inn overvåkingsnettverk og resultater fra overvåking av effekter av luftforurensninger i økosystemer. I denne rapporten er dagens overvåkingsnettverk vurdert med hensyn til de krav som stilles i nytt NEC‐direktiv. Resultater viste at for innsjøer og elver er dagens overvåkingsnettverk relatert til forsuring tilfredsstillende. For overgjødsling av skog, skogsjord og terrestrisk natur er det behov for oppgraderinger av overvåkingsnettverket. I forhold til ozonskader i vegetasjon er det behov for oppgraderinger av dagens overvåkingsnettverk. Det vil påløpe kostnader for opprettelse av nye overvåkingsstasjoner og oppgraderinger av dagens overvåkingsnettverk. Estimerte kostnader for å dekke mangler i eksisterende overvåkingsnettverk er angitt i rapporten.

Framstad, E., Bakkestuen. V., Halvorsen, R., Ihlen, P.G., Nilsen, E.B., Olsen, S.L., Pedersen, B., Stokke, B.G., Töpper, J. & Økland, T. 2020. TOV etter 2020. Utvikling av TOV som økosystembasert overvåking. NINA Rapport 1877. Norsk institutt for naturforskning. Program for terrestrisk naturovervåking (TOV) ble etablert i 1990 for å overvåke utviklingen av markvegetasjon, epifytter og fauna i vanlige økosystemer i skog og lavereliggende fjell. Formålet er å undersøke påvirkningen fra langtransportert forurensing, klimaendringer og ev. andre faktorer. TOVs ambisjon er å påvise og belyse ev. årsaker til viktige endringer på økosystemene. Dette kan trolig best lykkes ved å videreutvikle TOV som integrert og økosystembasert overvåking. Denne rapporten drøfter hvordan TOV dekker gradienter i sentrale påvirkninger, viktige økosystemkomponenter og ulike variabler for disse komponentene, samt hvordan disse elementene ev. bør justeres eller suppleres for å gjøre TOV mer økosystembasert. TOV dekker i dag overvåking av markvegetasjon, epifytter og fauna i seks områder i bjørkeskog pluss Solhomfjell (med barskog), så vel som markvegetasjon i åtte områder i granskog. Det anbefales å videreføre overvåkingen i både bjørkeskog og granskog. De viktigste ytre påvirkningene på TOV-områdene er klimaendringer og langtransportert forurensing. TOV-områdene dekker det meste av aktuelle gradienter for slik påvirkning, men mangler dekning for de mest oseaniske høyereliggende bjørkeskogene. Det anbefales derfor å supplere dagens TOV-områder med et nytt område i sterkt oseanisk og nordboreal klimaregion. I tillegg bør det plasseres enkelte prøvefelt/transekter høyere i lavalpin sone i nordboreale bjørkeskogsområder for å utvide dekningen av lokale klimagradienter. Den konseptuelle modellen for TOV tar utgangspunkt i næringsnettet som forbinder de viktigste økosystemkomponentene. Dette omfatter planter som primærprodusenter, nedbrytere, planteetere og predatorer på ulike trofiske nivåer. Dagens TOV i bjørkeskog og Solhomfjell dekker ulike grupper innen disse kategoriene, unntatt nedbrytere, mens overvåkingen i granskog nå omfatter markvegetasjonen. For å sikre bedre forståelse av endringer i komponentene i TOV, forbindelsene mellom dem og ev. årsaker til endringer, er det behov for å supplere overvåkingen med flere komponenter og nye variabler. TOV bruker modellerte klimadata fra MET og lokale temperaturloggere, men disse bør suppleres med lokale målinger av nedbør og snødybde. Tre- og busksjiktet har stor innflytelse på de fleste andre komponenter i økosystemet, og det er behov for bedre data for horisontal og vertikal struktur for trær og busker på skalaer tilpasset de ulike komponentene. Jordsmonnet er helt sentralt for plantenes vekst, og dagens jordkjemiske analyser i bjørkeskog bør suppleres med tilsvarende analyser i granskog, samt måling av nedbrytingshastighet ved standard strøprøver. For å knyttet plantene bedre til planteeternes bestandsvaria-sjoner, bør dagens registrering av plantearters mengde suppleres med mål på deres biomasse og beitekvalitet. I bjørkeskogsområdene registreres mengde av smågnagere, bjørkemålere og hønsefugl. Dette bør suppleres med mål på aktiviteten til viktige beitedyr som ville hjortedyr og husdyr. Aktiviteten til beitedyr bør også registreres for granskogsområdene. Det er dessuten behov for en bedre dekning av viktige predatorer som røyskatt, snømus, rødrev, mår og kråkefugler, i tillegg til dagens overvåking av ungeproduksjonen av kongeørn. Vi anbefaler bredt anlagt overvåking inkludert fauna i bjørkeskogsområdene og Solhomfjell, mens overvåkingen i øvrige granskogsområder avgrenses til markvegetasjonen og komponenter av direkte betydning for denne. Overvåking av markvegetasjonen i granskogsområdene bør imidlertid foregå hvert femte år, som for bjørkeskogsområdene. TOVs data representerer en stor verdi som noen av de lengste tidsseriene for viktige komponenter i terrestriske økosystemer i Norge. For å øke nytteverdien av TOV anbefaler vi også at det utvikles flere indikatorer basert på TOV i Naturindeksen og Fagsystemet for økologisk tilstand. Dessuten bør det utvikles og settes i verk en forskningsplan for å utvikle og teste metoder og utnytte TOVs resultater best mulig, en forbedret dataforvaltningsplan for å sikre og tilgjengeliggjøre TOVs data, og en formidlingsplan for å sikre at TOVs resultater blir tilgjengelige og nyttige for aktuelle brukere. Framstad, E., Bakkestuen. V., Halvorsen, R., Ihlen, P.G., Nilsen, E.B., Olsen, S.L., Pedersen, B., Stokke, B.G., Töpper, J. & Økland, T. 2020. TOV after 2020. Development of TOV as eco-system-based monitoring. NINA Report 1877. Norwegian Institute for Nature Research. The Terrestrial Ecosystems Monitoring Program (TOV) was established in 1990 to monitor the development of terrestrial vegetation, epiphytes and fauna in common ecosystems in forests and the low alpine zone. The purpose is to investigate the impact of long-range pollution, climate change and various other factors. TOV's ambition is to detect any significant changes in ecosystems and indicate their possible causes. To improve our ability to detect and understand changes, we propose to develop TOV further towards integrated and ecosystem-based monitor-ing. This report discusses how TOV covers gradients in key impact factors, important ecosystem components and various variables for these components, as well as how these elements may be adjusted or supplemented to make TOV more ecosystem-based. TOV currently covers monitoring of ground vegetation, epiphytes and fauna in six sites in birch forest plus Solhomfjell (with coniferous forest), as well as ground vegetation in eight sites in spruce forest. It is recommended to continue the monitoring in both birch forests and spruce forests. The most important external impacts on the TOV sites are climate change and long-range pollution. The TOV sites cover most of the relevant gradients for such factors, but lack coverage for the most oceanic birch forests at higher elevation. It is therefore recommended to supplement the current TOV sites with a new site in the strongly oceanic and north boreal climate region. Some additional sampling plots should be placed at higher elevation in the alpine zone of the birch forest sites, to expand the coverage of local climate gradients. The conceptual model for TOV is based on the trophic network that connects the most important ecosystem components. This includes plants as primary producers, decomposers, herbivores, and predators at different trophic levels. TOV in birch forests and Solhomfjell covers various groups within these categories, except decomposers, while monitoring in spruce forests now covers the ground vegetation. To ensure a better understanding of changes in the components of TOV, the connections between them and possible reasons for changes, there is a need to supplement the monitoring with more components and some new variables. TOV has modelled climate data available from MET and local temperature loggers, but these should be supplemented with local measurements of precipitation and snow depth. The tree and shrub layers have a great influence on most other components in the ecosystem, and there is a need for better data for horizontal and vertical structure for trees and shrubs on scales relevant for the various components. The soil is central to the plants' growth, and current soil chemical analyses in birch forests should be supplemented with similar analyses in spruce forests, as well as meas-uring the rate of decomposition with standard litter bags. In order to better link the plants to the herbivores, the current registration of plant species composition and amounts should be supplemented with measures of their biomass and grazing quality. In the birch forest areas, the amount of small rodents, geometrid moths and grouse is recorded. This should be supplemented with measures of the activity of important grazers such as wild cervids and domestic livestock. Activity of mammalian herbivores should also be monitored in the spruce forest sites. There is a need for better coverage of important predators such as stoats, weasels, red foxes, martens and corvids, in addition to the current monitoring of juvenile production of golden eagles. In the birch forest areas and Solhomfjell, we recommend continued broad-based monitoring including fauna, while the monitoring in other spruce forest areas should be limited to the ground vegetation and components of direct importance for this. Monitoring in spruce forest sites should be performed every five years, as in the birch forest sites. TOV's data represent great value, since they represent some of the longest running time series for important components in terrestrial ecosystems in Norway. To increase the usefulness of TOV, we also recommend that more indicators based on TOV be developed for the Nature Index and the System for Assessing Ecological Conditions. In addition, three plans should be developed and implemented: a research plan to develop and test methods and make the best possible use of TOV's results, an improved data management plan to secure and make available TOV's data, and a dissemination plan to ensure that TOV's results are available and useful to relevant users.