Home About Browse Search
Svenska


Birgersson, Malin, 2007. Method evaluation of GIS-based prediction tools for biodiversity : habitat suitability for birds in Stockholm, Sweden. SLU, Dept. of Ecology, Uppsala. Uppsala: SLU, Dept. of Ecology

[img]
Preview
PDF
12MB

Abstract

Swedish cities are from a European point of view considered small, sparsely populated and
green. Stockholm city has a great deal of its nature and older cultural landscape remaining, which is unusual in large metropolitan areas.

During the last decades the spatial planning of urban environments has faced the challenge of including biodiversity concerns. This has proved to be difficult since there are no welldeveloped methods for quantifying and predicting the impacts of exploitation on biodiversity. As a result many green areas have been exploited and the flora and fauna are undergoing loss of habitats, fragmentation and alteration due to change in land use. There is an evident need to develop the planning and management methods for biodiversity in urban areas. Moreover, adequate methodologies for systematic and quantifiable predictions are needed.

In this study landscape analyses have been carried out to predict the occurrence and suitable habitat in Stockholm municipality for sever birds: Lesser Spotted Woodpecker, Great Spotted Woodpecker, Green Woodpecker, Hawfinch, Nuthatch, Stock Dove and Tawny Owl. Two different prediction models have been used: an expert model and an empirical model. The basis for the study is a biotope map (Stockholm Municipality, 1999) and a species observation database (administrated by the Swedish Species Information Centre). The spatial analyses were conducted using GIS (ArcView 3.3 and ArcGIS 9.1).

The most important conclusion is that it is possible to predict species distribution with both models. However, the quality and quantity of data is essential for predicting species occurrence. In this study the expert model is preferable since it is based on expert knowledge and a biotope map. The empirical model is based on occurrence data, a biotope map and software called Genetic Algorithm for Rule-set Production (GARP), which predict species distribution. The occurrence data has been gathered in an ad hoc manner. In this model the uncertainties in the occurrence data causes an overprediction mainly due to the bias in the data and the mismatch in the resolution of the biotope map and the occurrence data. The empirical model should consequently be used carefully and one should always consult with experts on different taxa and conservation biology. Which model to use depends on the available data and what knowledge there are in the certain organism group. In general it is easier to predict rare species than common ones that have a wider habitat criterion.

,

Hur fungerar våra städer som ekosystem? Denna fråga initierade på 1970-talet ett nytt
forskningsområde kallat urban ekologi. Svenska städer är från ett europeiskt perspektiv gröna
och Stockholm har jämfört med andra storstäder relativt mycket grönområden. Under de
senaste decennierna har stadsplaneringen arbetat för att inkludera biologisk mångfald i
planeringen, vilket visat sig svårt eftersom det saknas välutvecklade metoder för att
kvantifiera och förutsäga påverkan på biodiversiteten. Denna studie jämför två olika
användbara prediktionsmodeller som kan förbättra stadsplaneringen.
Syftet med studien var att med hjälp av ett geografiskt informationssystem (GIS) utföra
landskapsanalyser för att identifiera och kvantifiera habitat i Stockholm stad för sju fågelarter:
mindre hackspett, större hackspett, gröngöling, stenknäck, nötväcka, skogsduva och kattuggla.
Två olika prediktionsmodeller jämfördes: en expertbaserad och en empirisk model. I studien
har jag använt mig av en biotopkarta som är producerad av Stockholm universitet i samarbete
med Stockholm stad (Stockholm Municipality, 1999) samt observationsdata från
Rapportsystemet för Fåglar som förvaltas av ArtDatabanken. De rumsliga analyserna har
utförts i ArcView 3.3 och ArcGIS 9.1.
Slutsatsen av denna studie är att både expertmodellen och den empiriska modellen är verktyg
som kan användas för att förutsäga arters förekomst. Kvantiteten och kvaliteten av data är
vitalt för resultatet. I denna studie var expertmodellen, som är baserad på experternas
kunskaper och Stockholms vegetationskarta, att föredra framför den empiriska modellen. Den
empiriska modellen är baserad på observationsdata, Stockholms vegetationskarta och
mjukvaran Genetic Algorithm for Rule-set Production (GARP) för att förutsäga arternas
förekomst. Dagens observationsdatabaser bygger ofta på ad hoc data, vilket kan införa en bias
i en empirisk modell, främst orsakat av att data inte är insamlade objektivt och att det är olika
rumslig upplösning på vegetationskartan och observationerna. Sådana osäkerheter i
observationsdatabasen kan ge en överprediktion. Vilken modell man ska använda beror på
vilka data som är tillgängliga och vilka kunskaper som finns om organismgruppen. Ska man
använda den empiriska modellen så bör man göra det med försiktighet och alltid konsultera
experter på olika taxa och naturvårdsbiologi. Det är enklare att förutsäga utbredningen av
hotade och ovanliga arter än vanliga arter som har bredare habitatspreferenser.

Main title:Method evaluation of GIS-based prediction tools for biodiversity
Subtitle:habitat suitability for birds in Stockholm, Sweden
Authors:Birgersson, Malin
Supervisor:Ebenhard, Torbjörn
Examiner:UNSPECIFIED
Series:Examensarbete i ämnet naturvårdsbiologi
Volume/Sequential designation:172
Year of Publication:2007
Level and depth descriptor:Other
Student's programme affiliation:NATMP Natural Resources Programme 240 HEC
Supervising department:(NL, NJ) > Dept. of Ecology
Keywords:urban ecology, habitat suitability index, habitat suitability, HSI, GIS, prediction tools, biodiversity, birds
URN:NBN:urn:nbn:se:slu:epsilon-s-8801
Permanent URL:
http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-s-8801
Subjects:SLU > (S) > Dept. of Ecology
Animal ecology
Language:English
Deposited On:15 Nov 2017 08:38
Metadata Last Modified:15 Nov 2017 08:38

Repository Staff Only: item control page

Downloads

Downloads per year (since September 2012)

View more statistics

Downloads
Hits