Show simple item record

dc.contributor.authorSkarpaas, Olav
dc.contributor.authorTöpper, Joachim P.
dc.contributor.authorNilsen, Erlend B.
dc.contributor.authorÅström, Jens
dc.coverage.spatialSogn og fjordane fylke, Aurland kommunenb_NO
dc.date.accessioned2018-10-16T09:59:20Z
dc.date.available2018-10-16T09:59:20Z
dc.date.issued2018
dc.identifier.isbn978-82-426-3299-9
dc.identifier.issn1504-3312
dc.identifier.urihttp://hdl.handle.net/11250/2568186
dc.description.abstractSkarpaas, O., Töpper, J.P., Nilsen, E.B., Åström, J. 2018. Dataflyt og modellering av indikatorer for naturindeksen. NINA Rapport 1560. Norsk institutt for naturforskning. Som en del av arbeidet mot en kostnadseffektiv, robust og høyoppløselig naturindeks, er det ønskelig å se nærmere på muligheter for å kombinere data fra ulike kilder ved modellering, og legge til rette for forbedret romlig oppløsning, geografisk dekning og automatisering av naturindeksberegninger. I denne rapporten forsøker vi å ta noen skritt i retning av å svare på disse utfordringene gjennom konseptuelle rammeverk for integrert hierarkisk modellering og dataflyt-struktur, illustrert med eksempler. Vi omtaler kort noen viktige datakilder og deres egenskaper (datastruktur, format) samt muligheter for eksport/import, med fokus på datakilder som er relevante for modelleringsarbeid i dette og beslektede prosjekter (planter, fugl og miljøvariabler). På sikt vil en skriptbasert dataflyt legge til rette for automatisert oppdatering av modeller og indikatorverdier i naturindeksen når datasettene oppdateres. Vi har imidlertid ikke gått langt i retning av standardisering av dataflyt i dette prosjektet, fordi det har blitt klart i løpet av arbeidet at dataflyt til naturindeksen bør være en del av en mer langsiktig og bredere tverrinstitusjonell prosess. For å illustrere modellering som kan gi heldekkende indikatorverdier, bruker vi fjellfiol Viola biflora (tilsvarende øvelser for fugl presenteres i en egen rapport). Fjellfiol er ikke en indikatorart for naturindeksen, men fungerer som et demonstrasjonseksempel på hvordan klimadata, populasjonsdata og forekomstdata kan integreres for å predikere forekomst og populasjonssstørrelse over tid, og gi estimater av indikatorverdi og tilhørende usikkerhet med høy oppløsning. Vi beskriver den nyeste utviklingen av rutiner for import av modellerte indikatorverdier til naturindeksbasen med R-pakken ‘NIcalc’. I tillegg til det tradisjonelle formatet på indikatorverdier (middelverdi og kvartiler), vil nå også parameteriserte lognormalfordelinger, parameteriserte poissonfordelinger, diskrete fordelinger, og empiriske fordelinger aksepteres som indikatorver-dier. Dette øker mulighetene for å bruke resultater fra flere ulike typer modeller, inkludert integrerte hierarkiske modeller, direkte som input til naturindeksen. Avslutningsvis diskuterer og oppsummerer vi våre resultater og erfaringer i forhold til muligheter for økt datatilgang og automatisert oppdatering av naturindeksen. Vi konkluderer med to anbefalinger: For det første, at rammeverket for dataflyt til naturindeksen bør tas videre i et bredt tverrinstitusjonelt samarbeid mellom sentrale dataaktører og sees i sammenheng med beslektede prosesser og systemer i forvaltningen. For det andre, at modelleringsarbeidet i dette og tidligere prosjekter, som gir grunnlag for å øke oppløsning og geografisk dekning av na-turindeksindikatorer, samt å øke antall indikatorer, legges til grunn for en revurdering av naturindeksens indikatorsett for planter fram mot neste hovedoppdatering.nb_NO
dc.description.abstractSkarpaas, O., Töpper, J.P., Nilsen, E.B., Åström, J. 2018. Data flow and modelling of indicators for the nature index. NINA Report 1560. Norwegian Institute for Nature Research. As part of the process towards a cost-efficient, robust and high-resolution nature index, there is a need to investigate options for utilizing and combining data from different sources by modelling, and to improve spatial resolution and geographical coverage and facilitate automation of nature index calculations. In this report, we make a few steps towards these challenges through a conceptual framework for integrated hierarchical modelling and data flow, illustrated with examples. We briefly describe some important data sources and their properties (structure, format), as well as possibilities for export/import, with focus on data of relevance for modelling in this and related projects (plants, birds and environmental variables). In due course, a script-based data flow will facilitate automated updating of models and indicators in the nature index when data sources are updated. However, we did not go far in standardizing data flow in this project, because it has become clear during the project that dataflow into the nature index should be part of a long-term broader process involving several institutions. To illustrate modelling approaches that may give full-cover indicator values, we use the arctic yellow violet (Viola biflora) as an example (modelling of birds is presented in a separate report). The arctic yellow violet is not an indicator species in the nature index, but serves as an example to demonstrate how climate data, population data, and occurrence data can be integrated to predict population development over time, and give estimates of indicator values and uncertainties with high geographical resolution. We describe the latest development of routines for import of modelled indicator values to the nature index database with the R package ‘NIcalc’. In addition to the traditional data format (means and quartiles), parameterized lognormal distributions, Poisson distributions, discrete distributions and empirical distributions can be accepted as indicator values. This increases the possibilities for using results from several kinds of models, including integrated hierarchical models, as direct input to the nature index. In the final chapter, we discuss and summarize our results and experiences with respect to possibilities for increased data access and automated updating of the nature index. We conclude with two recommendations. Firstly, we recommend that the framework for data flow should be further developed in a broader collaboration between key data managers and be co-ordinated with related processes and management systems. Secondly, modelling work in this and other projects, which may increase resolution and geographical coverage of nature index indicators, and increase the number of indicators, should be used as a basis for a revision of the plant indicator set towards the next main update of the nature index.nb_NO
dc.language.isonobnb_NO
dc.publisherNorsk Institutt for Naturforskning (NINA)nb_NO
dc.relation.ispartofseriesNINA Rapport;1560
dc.subjectYellow arctic violetnb_NO
dc.subjectViola bifloranb_NO
dc.subjectIssoleienb_NO
dc.subjectRanunculus glacialisnb_NO
dc.subjectNaturindeksnb_NO
dc.subjectModelleringnb_NO
dc.subjectFjellfiolnb_NO
dc.subjectGlacier buttercup,nb_NO
dc.subjectNature indexnb_NO
dc.subjectModellingnb_NO
dc.titleDataflyt og modellering av indikatorer for naturindeksennb_NO
dc.typeResearch reportnb_NO
dc.rights.holder© Norsk institutt for naturforskning Publikasjonen kan siteres fritt med kildeangivelsenb_NO
dc.source.pagenumber24nb_NO
dc.relation.projectMiljødirektoratet: M-1003|2018nb_NO


Files in this item

Thumbnail

This item appears in the following Collection(s)

  • NINA Rapport/NINA Report [2329]
    NINAs vanligste rapporteringsform til oppdragsgiver etter gjennomført forsknings-, overvåkings- eller utredningsarbeid.

Show simple item record