Modellering av utbredelse for vassdragstilknyttede moser og lav. En test av utbredelsesmodellering utført på et utvalg av sjeldne og rødlistede arter
Research report
View/ Open
Date
2016-03-30Metadata
Show full item recordCollections
- NINA Rapport/NINA Report [2351]
Abstract
Bakkestuen V., Erikstad, L., Bratli, H. & Halvorsen, R. 2016. Modellering
av utbredelse for vassdragstilknyttede moser og lav. En
test av utbredelsesmodellering utført på et utvalg av sjeldne og
rødlistede arter – NINA Rapport 1110. 42 s. I denne rapporten har vi testet ut utbredelsesmodellering som metode for å øke kunnskap om vassdragstilknyttede rødlistede moser og lav, deres økologi og geografiske og topografiske tilhørighet.
Hele 68 rødlistede mosearter og 24 rødlistede lavarter ble i utgangspunktet vurdert som interes-sante som modelleringsobjekter. Etter flere sorteringsrunder med ulike kriterier (antall funn, tid siden siste funn, sikkerhet på artsbestemmelser osv.) ble utbredelsen til 32 mosearter og 23 lavarter modellert ved bruk av metoden MaxEnt. Gjennom en iterasjonsprosess fant vi ut at minst 11 funn av arten i ulike piksler á 100 × 100 meter (ruter langs elvenettverket) var nødvendig for at en utbredelsesmodell skulle bli økologisk tolkbar. I denne rapporten presenteres utbredelses-modeller for 7 mosearter og 9 lavarter som tilfredsstiller disse kriteriene.
Det er utarbeidet økologiske grunnkart som grunnlag for modelleringen. Vi har fokusert på grunn-kart for topografisk variasjon, terrengposisjon og solinnstråling (utledet fra en 100 × 100 m høy-demodell), arealklasser (skog, dyrka mark og myr) og iboende egenskaper ved elvestrengen som elvestørrelse, vannføring, osv.
Evalueringen av MaxEnt-modellene ved hjelp av kryssvalidering (med AUC som kriterium for hvor gode modellene er) viste at modellene teknisk sett er gode til svært gode. Det er imidlertid tydelig at vi har svakheter i den reelle modellkvaliteten knyttet til artenes ulike responser på miljøegenskaper i ulik skala og kvaliteten på treningsdatasettene. Undersøkelsen avslører at det knytter seg en utfordring til valg av romlig oppløsning (vi brukte 100 × 100 m-piksler) ved model-leringen samt til kvaliteten på data som er tilgjengelige; både med hensyn til antall observasjoner av hver art, stedfesting av disse observasjonene og kvaliteten på de økologiske grunnkartene. Alle disse kvalitetsparameterne har betydelig forbedringspotensial.
Sikker informasjon om hvor gode modellene er forutsetter at modellene evalueres ved bruk av uavhengig innsamlede feltvalideringsdata. Innsamling av slike data var ikke mulig innenfor prosjektets ramme. Modellene viste at mange av artene responderer på regionale (bioklimatiske) gradienter, sjelden på lokale egenskaper ved elvestrengene. Bedre modellering av artenes respons på lokale forhold krever at modellering gjøres med data fra et mindre geografisk område og med høyere oppløsning. Modellområdet bør avgrenses spesielt for hver enkelt art.
Vår konklusjon er at utbredelsesmodellering kan bli et nyttig verktøy for prediksjon av elvetilknyttede arters utbredelse og lokale forekomst. For at dette målet skal nås må et betydelig arbeid legges ned i kvalitetsheving av stedfestingen av artsobservasjonene og kvalitet og oppløsning på relevante økologiske grunnkart for egenskaper som beskriver elvenettverket i Norge. We have tested distribution modelling as a method for better understanding of river-related red-listed bryophytes and lichens, their ecology, geographical distribution and relationship with topographic and other environmental variables.
A total of 68 red-listed bryophyte species and 24 red-listed lichen species were considered as modelling targets. Based upon selection criteria such as number of species observations, time since last recording, reliability of identifications, georeferencing accuracy, etc., we produced distribution models for 32 bryophyte species and 23 lichen species. Through an iteration process, we found that observations in 11 pixels of 100 × 100 m squares along river networks were a minimum required for obtaining an ecologically meaningful model. Only seven bryophyte species and nine lichen species fulfilled these criteria.
Ecological maps were created as basis for the modelling. Such maps were created for topographic, terrain position and sun radiation based upon a 100 × 100 m elevation model, and for land-use classes (forest, agricultural land and mires) and other attributes directly associated with the river system, such as river size, water flow, etc.
Evaluated by cross-validation (using AUC as goodness-of-fit criterion), the models were good to very good. Unfortunately, the state-of-the-art method for model evaluation by independently collected data could not be used due to lack of data. Many of the modelled species were found to respond to regional gradients rather than local conditions related to the river systems. Improved models of local distributions of the species may be obtained by use of a smaller geographical area (extent) which is defined for each species separately.
The resolution (we used 100 × 100 m pixels) to be used for modelling also needs further consideration. Improvements are needed with respect to the quality of species observation data and the quality of the ecological maps.
We conclude that distribution modelling may be a useful tool for prediction of the distribution and autecology of river-associated cryptogams. To reach this goal, considerable investments have to be made in increasing the quality of species information (notably the precision of georeferencing) and the quality of ecological maps describing Norwegian riverine systems.