Brug af Satellit data til redegørelse af natur og landskab

Transkript

1 Brug af Satellit data til redegørelse af natur og landskab Erik Prins PRINS Engineering

2 Grøn natur og satellit data hvorfor det? Forpligtigelser: Bl.a. Fredninger, EU-N2K, FN-CBD, IPBES og 2020 mål Der er jo ingen penge i det eller? Store offentlige udgifter - fonde og EU anvender mange penge til formålet Effektivisering gennem satellit data og modellering er vejen frem

3 Præsentation - overblik 1. Baltiske natur projekter 1. Letland: Satellit data til det åbne landskab 2. Litauen: Natura 2000 habitat kortlægning 3. Europas rigeste skov Bialowieza - Polen / Hviderusland 2. Erfaringer fra Danmark 1. Biodiversitet på havet 2. Areal kortlægning og ændring for skov - Klima rapportering 3. Kortlægning af gammel løvskov og relationen til biodiversitet 4. Biodiversitets modellering hvad driver artsrigdommen 5. Et uudnyttet potentiale

4 Decision support til landbrugs og miljø ministeriet i Letland

5 Letland Letland: beslutningstager system for det åbne land VHR meget højt opløslig < 5 m LiDAR Laser multipunkt data 30 cm Moderat opløseligt multi-spectralt

6 Modellering af fugle udbredelser PRINS, E., PETERSEN, B., S., AUNINS A. and PRIEDNIEK, J.(2005): Using Landsat TM and field data to produce maps of predicted bird densities in Latvian farmland Int. J. of Remote Sensing, Vol 26, No 9 p AUNINS, A, PETERSEN, B.S.,PRIEDNIEKS, J., & PRINS, E. (2001): Bird-habitat relationships in Latvian farmland. ACTA ORNITHOLOGICA 36:1. PRIEDNIEKS, J., A. AUNINS, S. BROGGER-JENSEN & E.PRINS (1999): Species-habitat relationships in Latvian farmland: studies of breeding birds in a changing agricultural landscape. VOGELWELT, 120 Suppl.: 3-5 p

7 ERS-SAR data SAR Vinter afgrøder og landbrugsaktivitet Ferske enge og Brak-arealer

8 S Styr på afskovningen? Win-win: opfangning af næringsstoffer fra intensive landbrugsområder via naturlig vegetation langs vandløb som også fremmer biodiversiteten.

9 Anvendelse Landsat ETM / GIS modellering til kortlægning af Natura 2000 Habitater i Litauen Formål: At lokalisere og estimere Natura 2000 habitater in Litauen. wall-to-wall - baseret på jord observation og GIS modellering.

10 Metode - Multitemporal Landsat ETM+ (forår og sommer). - Omfattende GIS lag til modellering af habitat områder f.eks. DEM, vandløb og vådområder. - GPS registeret felt data. - Human resources : Samarbejde on screen med nationale habitat specialister for fortolkning af Landsat data og afgrænsninger af habitater.

11 Resultat: Det var muligt at levere kortlægning og statistik for 22 af 53 Natura 2000 habitat klasser in Litauen Accuracy assessment blev lavet på 13 klasser med en overalt nøjagtighed på > 85%.

12

13 2110 Shifting dune 2120 White dune 2130 Gray dune 2180 Wooded dune 2190 Humid dune slacks 9080 Swamp forest

14 Bialowieza - Polen / Hviderusland

15

16

17

18 ha Poland: Forest Degradation Bare areas Last time observed cleared: 1975, 1987, 1992, 1997

19 Hviderusland: Skov degradering / Bark Beetles 2001: Red infected areas, orange likely spread 50 m buffer to old Spruce

20

21 Danske erfaringer: Marine hotspots` Hede og kyst habitater Kyoto rapportering Gammel skov Rødlisted svampe Indikator fugle Biodiversitets modellering

22 Marin Biodiversitet - Front zoner - Bund vegetation - Muslinger og rev Ocean colour data brugt til bestemmelse front zone. HS & EP: The impact of frontal stability on the dispersal of piscivorous birds in the Elbe estuary. Marine Ecology, progress series 2001 (1:36)

23 EU-Life Hede-fugle projekt Landsat 5 TM 1990

24 Gammel skovs kortlægning Fundamentet for effektiv biodiversitets kortlægning og modelering. amarine hotspots` Hede og kyst habitater Kyoto rapportering Gammel skov Rødlisted svampe Indikator fugle Biodiversitets modelering

25 Høj Nøjagtighed og Stor Effektivitet Sattelit kortlægningen viste at skov statestiken for 1990 var >22% gal og >10% for 2006.

26

27 Lidt til `Geografi- Bøgerne Identificering af de største sammenhængende skovområder

28 Satellit data og biodiversitet Internationalt (FN-CBD, IPBES og FN 2030 mål) er der enighed om anvendelse af satellit data og modellering til opgørelse og ændringer af biodiversitet. Konsensus om bl.a. land cover men der mangler resultater. Der mangler også grundlæggende viden om hvad der driver biodiversitet.

29 Gammel skovs kortlægning

30 Satellit data og biodiversitet Det drejer sig om nytænkning, effektivitet og udnyttelse af nye data og metoder DK er ikke med på vognen men det er de øvrige nordiske lande Vi har gode muligher for at levere bemærkelsesværdige resultater og effektivisering

31

32

33 Fokus på meget gammel løvskov Ca 8% af skovene er gammel løvskov hvoraf ca 4% anses for at være meget vigtige for opretholdes af en rig natur.

34 Har også overenstemmelse med Ege krat og Naturskovs-aftaler Fundamentet for effektiv biodiversitets kortlægning og modelering. amarine hotspots` Hede og kyst habitaterkyoto rapportering Gammel skov Rødlisted svampe Indikator fugle Biodiversitets modelering

35 Hvad sker der i Danmark? Universiteter, NGO er og myndigheder køre deres eget løb. Begrændset internationalt samarbejde og deltagelse i H2020 Naturpakken fodre de mest omkostningseffektive metoder det ligner de dyreste

36 Mulighed for Store Effektiviseringer inden for Biodiversitet Danmark har et rigtigt godt udgangspunkt både geografisk og med data Vejen frem er kontinuerlige satellit data og et integreret system kan løse mange udfordringer Det koster stort set ingenting hvad står i vejen?