Sammendrag
Norsk institutt for naturforskning fikk i oppdrag å kartlegge grønnstruktur i Nye Stavanger kommune, som omfatter Rennesøy, Finnøy og Stavanger kommune etter dagens kommuneinndeling. Hensikten med dette arbeidet var å utarbeide kartlag for kommunen som gir detaljert oversikt over kommunens vegetasjonsdekke og landskapets kapasitet til å yte diverse økosystemtjenester, og i en oppløsning som egner seg til arealplanlegging. Vi beskriver i rapporten de metoder som vi har brukt i dette arbeidet, med noen tekniske tilnærminger som er blitt utviklet av NINA forskere. Vi kartla arealdekke og vegetasjon med bruk av både ortofotobilder, satellittdata fra Sentinel 1 og 2, og LIDAR (Light Detection And Ranging) data. Vi gjennomførte geografiske analyser med bruk av en sky-basert plattform (Google Earth Engine JavaScript API). I vegetasjons- og arealdekkeklassifiseringen benyttet vi Random Forests Machine Learning tilnærmingen for å skille vegetasjon fra andre arealdekkeklasser. Her brukte vi treningsdata hentet fra DigitalGlobe Google-bilder som ga grunnlag for visuell tolkning. Vi lagde kart med 10 x 10 meters oppløsning som klassifiserte areal-dekke i fire kategorier: ugjennomtrengelig, skog, gress/jordbruk og vann. I kartet vi lagde med 2 x 2 meters oppløsning kunne vi også skille mellom kunstige, (dvs. betong, asfalt og bygningsrelaterte) og naturlige (diverse bergarter) ugjennomtrengelige overflater, og mellom bar- og løvtrær. Sammenlignet med testdataene, hadde arealdekkeklassifiseringen fra Random Forests modellen en 95 prosent generell nøyaktighet for både 10 x 10 og 2 x 2 meters oppløsning. Klassifiseringen av ugjennomtrengelige overflater hadde den laveste nøyaktigheten ved begge oppløsningene (henholdsvis 89,1 og 89,3 prosent), da disse overflatene lettere kunne forveksles med piksler som egentlig var dekket av gress/ jordbruk. Når Random Forest modell-klassifiseringen kombineres med Felles Kartbase (FKB) bygning- og infrastrukturkartet, øker generell nøyaktighet til 96,5 prosent. Kartlegging av vegetasjon og arealdekke med denne tilnærming gir en betydelig økt presisjon av den egentlige grønnstrukturen i de urbane områdene av Nye Stavanger kommune, sammenlignet med FKBs 1:5000 arealressurs kartet (AR5). Kartet med NDVI (Normalized Difference Vegetation Index) for Nye Stavanger kommunen viser fordelingen av vegetasjonens grønnhet. Et slikt kart kan brukes i framtida for å spore eventuelle endringer i vegetasjonen over tid. Med segmentering av enkeltrær får vi et enda mer detaljert bilde av trekronene i kommunen enn man kan få fra NDVI, med informasjon om trærnes og trekronenes høyde, diameter, og manteloverflate og volum. Vi viser et eksempel på en anvendelse av disse data med å vise fordelingen av antatte suksesjonsstatus til trærne basert på trehøyde. Vi kartla habitategnethet for pollinerende insekter (villbier) med ESTIMAP (Ecosystem Services Mapping Tool). Denne modellen bruker AR5 og Sentinel 2 kart med en 10 x 10 meters oppløsning til å lage arealdekkekategorier med et estimert habitategnethetsverdi med hensyn til både tilgang til blomsterressurser og substrat til bolplasser. ESTIMAP kartet viser den betydelige og finkornet heterogeniteten i habitategnethet for Nye Stavanger, inkludert områder som kan være godt egnet for villbier og andre pollinerende insekter i nærheten av Stavanger by. Innsamlingen med insektfeller i og rundt Stavanger by i juli 2019 ga ikke tilstrekkelig grunnlag til å justere ESTIMAP-verdiene for lokale forhold. Vi sammenligner habitategnethetsverdiene fra ESTIMAP med innsamlete insektdata fra en studie av fire mellomstore byer i Storbritannia, som kan vurderes å støtte opp under de verdier vi fant for egnethet for pollinatorhabitat. Verdiene i ESTIMAPmodellen bør ansees som en måte å uttrykke arealenes potensial for habitategnethet, og noe som åpenbart påvirkes av hvilke skjøtselstiltak som brukes der.
Vis fullstendig beskrivelse
