Landscape analysis of Old Natural Forest polygons identified from LiDAR data

Abstract

Framstad, E., Nowell, M. & Venter, Z. 2020. Landscape analysis of Old Natural Forest polygons identified from LiDAR data. NINA Report 1799. Norwegian Institute for Nature Research. This report presents results from a landscape analysis of Old Natural Forest (ONF) polygons for Eastern Norway. The polygons were aggregated from pixels with assigned probabilities of being ONF, based on airborne LiDAR data and National Forest Inventory (NFI) data. Ten municipalities had <40% LiDAR cover. Polygons consisted of the pixels with highest probability of being ONFs, up to a threshold set by NFI data for each county. Polygons smaller than 0.5 ha were discarded. The aggregation procedure resulted in higher proportions of ONF area than set by the thresholds, marginally for most counties but substantially for Buskerud and Aust-Agder. 333 819 ONF polygons with a total area of 11 367 km2 were extracted; these covered 22.6% of the available forest area with LiDAR data. Parts of Hedmark, Oppland, Vestfold, and Telemark had the highest density of ONF polygons. The ONF polygons varied considerably in size, although about 50% were smaller than 1 ha and only 67 polygons were larger than 500 ha. Several spatial metrics were calculated, including basic polygon properties, polygon shape complexity and connectivity. Municipalities were used as landscape units and values aggregated to county level. Mean polygon size varied among counties, with Buskerud and Aust-Agder having the largest mean polygon sizes of 5.8 and 6.4 ha, respectively. Edge density reflects the number of polygons per forest area, and this was highest for Vestfold and Telemark. Total edge and total core area reflects the total ONF area and number of polygons. The four metrics for polygon shape complexity were closely correlated. Telemark and Vestfold had the most irregular ONF polygons on average, and Oslo and Akershus had the most regular. The four main connectivity metrics represent different aspects of connectivity and were not closely correlated. These metrics indicate that ONF polygons in Buskerud had the highest degree of connectivity. Aust-Agder had the lowest connectivity values for three of the four metrics. If the extracted ONF polygons represent real old natural forest, we should expect other conservation values linked to such forest to occur more frequently in ONFs than in other forest. ONFs and forest in general differed only marginally in their cover of forest in protected areas. However, ONFs covered more of forest key biotopes (3%, 4%) than forest in general (1.8%). The ONFs also had a higher frequency of observations of forest-associated red-listed species of insects, lichens and fungi (5.4 observations per 10 km2) than did forest in general (3.8 observations ). Old natural forest and clearcuts represent totally different forest stages. Nevertheless, 12.7% of the area of ONF polygons overlapped clearcuts classified from Landsat images. 7.5% of the area of ONFs were clearcuts made before the LiDAR data were collected, indicating inconsistencies in the methods of identifying ONFs or clearcuts. The locations of ONF polygons and clearcuts did not differ much with respect to distance to the nearest road or elevation, but ONFs tended to occur in somewhat steeper terrain. These results are further discussed in terms of the influence from the methodology, including identification of ONF pixels from LiDAR data, the aggregation procedure, properties of the spatial metrics, and other aspects of the analyses. Using a narrower and more distinct definition for old natural forest may result in better targeting of old natural forest with high conservation values. A map of old natural forest patches could be part of the input data for the assessment of ecological condition in forests, but setting reference values for landscape level indicators would be challenging. Recommendations for improving the methodology include assessment of most appropriate definitions of old natural forest, possibilities for improving ground truth data, possible use of other remote sensing data sources, exploration of the effects of alternative steps in the aggregation procedure from pixels to polygons, and the use of photo and field validation of what ex-tracted polygons actually cover.

Framstad, E., Nowell, M. & Venter, Z. 2020. Landskapsanalyse av polygoner av gammel naturskog identifisert fra LiDAR data. NINA Rapport 1799. Norsk institutt for naturforskning. Denne rapporten presenterer resultater fra en landskapsanalyse av polygoner av gammel naturskog for Øst-Norge med Agder. Polygonene ble aggregert fra piksler med tildelte sannsynligheter for å være gammel naturskog, basert på data fra luftbåren LiDAR og Landsskogtakseringen. Ti kommuner hadde <40% dekningen av LiDAR-data. Polygonene besto av pikslene med størst sannsynlighet for å være gammel naturskog, opp til en terskel satt ved Landsskogtakseringens data for hvert fylke. Polygoner mindre enn 0,5 ha ble forkastet. Aggregeringsprosedyren resulterte i høyere andeler av gammel naturskog enn gitt ved terskelverdiene, marginalt for de fleste fylkene, men betydelig for Buskerud og Aust-Agder. Til sammen ble det avgrenset 333 819 polygoner av gammel naturskog med et totalareal på 11 367 km2; disse dekket 22,6% av det tilgjengelige skogarealet med LiDAR-data. Tettheten av polygoner var høyest i deler av Hedmark, Oppland, Vestfold og Telemark. Polygonene varierte betydelig i størrelse, selv om ca. 50% var mindre enn 1 ha og bare 67 polygoner var større enn 500 ha. Flere mål for polygonenes romlige egenskaper ble beregnet, inkludert polygonenes form og konnektivitet. Kommuner ble brukt som landskapsenheter, og verdier ble sammenstilt på fylkesnivå. Gjennomsnittlig polygonstørrelse varierte mellom fylkene, der Buskerud og Aust-Agder hadde de største gjennomsnittlige polygonene på henholdsvis 5,8 og 6,4 ha. Kanttettheten gjenspeiler antall polygoner per skogareal, og denne var høyest for Vestfold og Telemark. Total kantlengde og totalt kjerneareal reflekterer det totale arealet og antall polygoner. De fire målene for polygon-form var nært korrelert. Telemark og Vestfold hadde de mest uregelmessige polygonene i gjennomsnitt, og Oslo og Akershus hadde de mest regelmessige. De fire viktigste konnektivitetsmålene representerer forskjellige aspekter ved konnektivitet og var ikke tett korrelert. Disse målene indikerer at polygoner i Buskerud hadde høyeste grad av konnektivitet. Aust-Agder hadde de laveste konnektivitetsverdiene for tre av de fire målene. Hvis de avgrensete polygonene representerer faktisk gammel naturskog, bør vi forvente at andre naturverdier knyttet til slik skog forekommer hyppigere i polygonene enn i annen skog. Det var liten forskjell mellom polygonene og skog generelt i hvor mye de dekket av skog i verneområder. Imidlertid hadde polygonene klart høyere dekning av nøkkelbiotoper (3%, 4%) enn skog generelt (1,8%). Polygonene hadde også en høyere frekvens av observasjoner av skogtilknyttete rød-listearter av insekter, lav og sopp (5,4 observasjoner per 10 km2) enn skog generelt (3,8 observasjoner). Gammel naturskog og hogstflater representerer totalt ulike skogtilstander. Likevel overlappet 12,7% av polygonarealet hogstflater klassifisert fra Landsat data, og 7,5% av polygonarealet var hogd før LiDAR-dataene ble samlet inn. Dette tyder på avvik i metodene for å identifisere gammel naturskog eller hogstflater ved fjernmåling. Fordelingene av polygoner og hogstflater skilte seg ikke mye fra hverandre med hensyn til avstand til nærmeste vei eller høyde over havet, men polygonene forekomme i noe brattere terreng. Disse resultatene er videre diskutert mot ulike sider av metodikken, som identifisering av gammel naturskog fra LiDAR-data, aggregeringsprosedyren, målene for romlige egenskaper og andre aspekter ved analysene. En snevrere og mer distinkt definisjon for gammel naturskog kan i større grad fange opp slik skog med høy forekomst av naturverdier. Et kart over gammel naturskog kan være del av relevant datagrunnlag for vurdering av økologisk tilstand i skog, men det vil være utfordrende å fastsette referanseverdier for indikatorer på landskapsnivå. Anbefalinger for å videreutvikle metodene omfatter vurdering av de mest egnete definisjonene for gammel naturskog, muligheter for å forbedre data for bakkesannheter, mulig bruk av andre fjernmålingsdata, avklaring av effektene av ulike valg i aggregeringsprosessen, og bruk av foto og feltvalidering for å sjekke hva ekstraherte polygoner faktisk dekker.