Show simple item record

dc.contributor.authorHedger, Richard D.
dc.contributor.authorBlumentrath, Stefan
dc.contributor.authorBergan, Morten A.
dc.contributor.authorEloranta, Antti P.
dc.date.accessioned2020-05-07T12:44:42Z
dc.date.available2020-05-07T12:44:42Z
dc.date.issued2020
dc.identifier.isbn978-82-426-4592-0
dc.identifier.issn1504-3312
dc.identifier.urihttps://hdl.handle.net/11250/2653641
dc.description.abstractHedger, R.D., Blumentrath, S., Bergan, M.A. & Eloranta, A.P. 2020. Mapping natural and artificial migration hindrances for fish using LiDAR remote sensing. NINA Report 1833. Norwegian Institute for Nature Research. We developed a new method to map and evaluate the impact of potential natural and artificial migration hindrances on the spatial distribution of sea trout (Salmo trutta) within stream networks. A stream network was derived from a 1 m2 spatial resolution LiDAR-based Digital Terrain Model (DTM), using part of Trondheim Region as a test case. Algorithms were developed to identify potential artificial migration hindrances (stream crossings and culverts) from the DTM, and to correct the DTM to enable generation of a terrain-derived stream network that followed the topography better than manually-digitized stream networks. Stream slope was computed at multiple-spatial scales throughout the terrain-derived network because steep slopes can be a potential natural migration hindrance. Potential migration hindrances were then quantified across the network from (1) the positions of crossings and culverts (using information generated from the DTM alongside GIS databases) and (2) stream slope metrics. The impact of potential migration hindrances on the spatial distribution of sea trout was determined by analysing the relationship between these stream network properties and the prevalence of sea trout across Trondheim Region, as determined by electro-fishing surveys conducted by Trondheim Kommune, NINA and NIVA. Models showed that prevalence was negatively related to the number of crossings and culverts downstream of the electrofishing site. However, no effect of slope was identified, and the predictive power of models was low. The terrain derivation-based approach developed here offered high local accuracy, but was computationally intensive, and suffered from potential confounding effects, and investigation of the effect of stream network properties on sea trout prevalence was limited by the quantity and quality of available data. This study has shown that a GIS-based approach, reliant on semi-automated processing of high-resolution DTM data, and integrated with GIS data, can be used to construct a stream network showing potential migration hindrances for fish populations. Further, there is potential for applying this approach over a wider geographical area and in different freshwater applications.en_US
dc.description.abstractHedger, R.D., Blumentrath, S., Bergan, M.A. & Eloranta, A.P. 2020. Mapping natural and artificial migration hindrances for fish using LiDAR remote sensing. NINA Rapport 1833. Norsk institutt for naturforskning. Vi har utviklet en ny metode for å kartlegge og evaluere effekten av potensielle naturlige og menneskeskapte vandringshindre (barrierer) for ferskvannsvandring til sjøørret (Salmo trutta L.). Områder av Trondheimsregionen med eksisterende kartlegging av sjøørretutbredelse ble brukt som testområde. Det har blitt utviklet algoritmer for å identifisere potensielle vandringshindre (infrastrukturkryssinger, kulverter og lignende menneskeskapte inngrep, samt generell elvetopografi) fra digital terrengmodell (DTM). Resultatene i dette prosjektet baserer seg på digitale terrengmodeller med 1 m2 romlig oppløsning fra LIDAR data. Det er anvendt eksisterende algoritmer for å generere og korrigere elvenett fra digitale terrengmodeller. Slike terrengavledet elvenett avspeiler topografien bedre enn eksisterende manuelt digitalisert elvenett (NVE elvenett), og er en forutsetning for å avlede elvetoppografi, og dermed vandringshindre, fra digitale terrengmodeller. Fra det terrengavledede elvenettet ble helningsgradient kartlagt for hele elevnettverket på ulike romlige skalaer. Posisjon til kulverter og lignende inngrep ble kartlagt ved å sette sammen informasjon fra terrengavledet elvenett med informasjon fra GIS databaser for infra-struktur. Potensielle vandringshindre ble deretter kvantifisert for hele elvenettet ut fra (1) posi-sjonene til kryssinger, kulverter og lignende inngrep og (2) ulike indekser for helningsgradient. Effekten av potensielle vandringshindre på utbredelse av sjøørret ble analysert ved statistiske modeller hvor forekomst av sjøørret fra årlige ungfisktellinger ble brukt som responsvariabel (kvantitative tetthetsberegning fra el-fiske utført av Trondheim Kommune, NINA og NIVA). Potensielle vandringshindre nedstrøms fra el-fiskestasjon ble brukt som prediksjonsvariable for forekomst. Forekomsten av sjøørret var negativt relatert til antall kryssinger og kulverter nedstrøms for stasjonsområder for elfiske. Ingen effekt av helningsgradient ble imidlertid identifisert. Modellenes prediksjonsevne var generelt lav. Studiet viser at en GIS-basert tilnærming, med støtte i semi-automatisert prosessering av høyoppløselige digitale terrengmodeller integrert med GIS-data, kan brukes til å konstruere et elvenett (vassdragsnettverk) som avdekker potensielle vandringshindre. Tilnærmingen har potensiale for anvendelse er et mer omfattende geografisk område, og som et grunnlag for prediksjonsmodellering av mulig utbredelsesområde og vandringshindre. Det er imidlertid også identifisert klare begrensninger med den nåværende metodikken. Disse er i vesentlig grad knyttet til datagrunnlag for kalibrering av modeller (bakkeverifisering). Manglende datagrunnlag for dette gir lav utsagnskraft med påfølgende store usikkerheter i prediksjoner. De viktigste her er: (1) Kartlegging av eksisterende forekomst av sjøørret er basert på eksisterende overvåkning som er målrettet mot forventet utbredelse. Dette gjør at det blir få observasjoner i områder hvor utbredelse er begrenset av vandringshindre. (2) Det mangler detaljert informasjon om i hvor stor grad identifiserte menneskeskapte vandringshindre som ikke er observerbare med fjernmålingsdata (e.g. kulverter) utgjør barrierer. Metodikken er generelt også beregningsintensiv og krever manuell korreksjon. Det vurderes at videreutvikling av metodikken vil kreve (1) bedre kunnskap på utbredelse i form av data som gjør det mulig å estimere fore-komsten, (2) inventeringer og bakkeverifisering av vandringshindre. Tilnærminger beskrevet i denne rapporten utgjør imidlertid et godt grunnlag for å prioritere og målrette feltinnsats med hensyn på kartlegging av både fisk og abiotiske forhold.en_US
dc.language.isoengen_US
dc.publisherNorsk Institutt for Naturforskning (NINA)en_US
dc.relation.ispartofseriesNINA Rapport;1833
dc.subjectSea trout in streamsen_US
dc.subjectLiDARen_US
dc.subjectDTMen_US
dc.subjectterrain-derived stream networken_US
dc.subjectmigration hindrancesen_US
dc.subjectSjøørret i bekkeren_US
dc.subjectterrengavledet elvenetten_US
dc.subjectvandringshindreen_US
dc.titleMapping natural and artificial migration hindrances for fish using LiDAR remote sensingen_US
dc.typeResearch reporten_US
dc.rights.holder© Norwegian Institute for Nature Research The publication may be freely cited where the source is acknowledgeden_US
dc.source.pagenumber40en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

  • NINA Rapport/NINA Report [1778]
    NINAs vanligste rapporteringsform til oppdragsgiver etter gjennomført forsknings-, overvåkings- eller utredningsarbeid.

Show simple item record