COATs økosystembaserte varslingsmodell gir grunnlag for bedret rypeforvaltning i klimaendringenes tidsalder
I den senere tid har økologer fremmet at «kortsiktige varslingsmodeller» - matet med økosystembaserte overvåkningsdata - kan gi både kontinuerlig etterprøvbar påvisning av hvordan arter blir påvirket av miljøendringer og tidlig varsling om hva som vil skje i nær framtid. Begge deler gir viktig anvendbar kunnskap til brukere og forvaltere av naturverdier.
Varslingsmodeller som gir forutsigelser i nær fremtid, er særlig egnet for arter og økosystemer som er påvirket av så raske klimaendringer og/eller har så kompleks dynamikk at mer langsiktige forutsigelser ikke er mulige eller hensiktsmessige. Lirypa er nettopp en art som har en slik kompleks dynamikk. Denne viktige småviltarten lever også i alpine og arktiske økosystemer som nå utsettes for raske klimaendringer.
Brukerinvolvert modell-bygging
COAT har nå en operativ «kortsiktig varslingsmodell» for lirype i Finnmark, som er det største forvaltningsområde for denne arten i Norge. Modellen ble utviklet i nært samarbeid med en brukergruppe, blant annet med deltagere fra jegerorganisasjoner og Finnmarkseiendommen (FeFo). Dette samarbeidet har fulgt en internasjonalt anerkjent metode for brukerinvolvering som gir brukerne innflytelse i alle ledd i modellutviklingen, samtidig som forskningens integritet blir opprettholdt.
Basert på brukernes lokalkunnskap ble det bestemt hvilke potensielle drivere av rypebestanden som skulle inngå i modellen, gitt at slike overvåkningsdata var tilgjengelig. Dette førte til en ganske komplisert modell som inkluderte mange interaksjoner i økosystemets næringsnett, blant annet på grunnlag av COATs økosystembaserte overvåkning. En helt sentral datakilde er den nå 22 år lange dataserien fra FeFo og Hønsefuglportalens takseringer av lirypebestanden i Finnmark sent i august hvert år. Et viktig ønske fra brukergruppen var at modellen skulle kunne forutsi lirypas forventede bestandstetthet under jakten så tidlig som mulig på sommeren. Dette for å kunne planlegge jakta tidligere enn når resultatene fra takseringene er klare bare to uker før jaktstarten.
COATs rypemodell
Det viste seg at brukernes forventning om en ganske kompleks, økosystembasert modell for å forklare og varsle rypebestandens kortsiktige utvikling holdt stikk (Figur 1).
Den beste modellen inkluderte tettheten av smågnagere både samme års og fjorårets sommer, samt mengde reinsdyrkadavre vinteren før. Begge deler er relatert til predasjon på rype. En annen viktig driver som har hatt en negativ effekt på rypebestanden er de store klimarelaterte bjørkemålerskadene på vegetasjonen i Finnmark. Også direkte effekter av klimaet (været) måtte inkluderes i modellen.
Sen start på vinteren hadde en negativ effekt - antagelig fordi hvite ryper i et snøfritt terreng blir utsatt for mer predasjon. Også været når rypekyllingene klekkes i juni/juli viste seg å være viktig. Særlig har mye nedbør en negativ påvirkning. Det at både smågnagertettheten og været på forsommeren har betydning gjør at det ikke er mulig for modellen å gi gode varsler før begynnelsen av juli hvert år.
Hvor gode er varslene?
Hvor god en varslingsmodell er kan ganske enkelt vurderes ut ifra hvor godt varslene treffer - enten det gjelder vær eller utviklingen i viltbestander. Generelt blir databaserte varslingsmodeller stadig bedre etter hvert som de blir matet med flere og lengre serier med overvåkningsdata. Dette prinsippet gjelder også COATs lirypemodell. Med 12-16 år med data gav modellen av og til varsler om endringer i rypetettheten fra et år til et annet som samsvarte dårlig med de estimerte rypetetthetene (Figur 2).
Etter dette har modellen truffet bedre. I de to siste årene (2021 og 2022) har COAT publisert varslene i begynnelsen av juli, nesten to måneder før tellingene (og dermed fasiten) forelå. Begge årene gav modellen varsler om en tydelig vekst i bestanden - noe som holdt stikk. Varslet i 2021 traff svært presist, mens varslet for 2022 var noe lavere enn hva som ble realiteten. FeFo har uttalt at disse varslene har vært nyttig for deres jaktforvaltning (FeFo nettside).
Bedre anvendt økologi
Både det å involvere brukergrupper i forskningen og bruk av nærtids varslingsmodeller gjør økologisk overvåkning og forskning mer anvendbar for brukere og forvaltere av naturverdier. Økosystembaserte tilnærminger gir generelt mest robuste resultater gitt at slike data er tilgjengelige. Til tross for at behovet for slike tilnærminger er fremhevet av både forskere og forvaltningsmyndigheter, er det få eksempler på operative, økosystembaserte varslingsmodeller med brukerinvolvering, Av denne grunn ble arbeidet med COATs rypemodul nylig fremhevet et eget nyhetsbrev fra EU-kommisjonen som ble sendt til tjue tusen abonnenter. COAT har ambisjoner om å bygge lignende modeller for andre COAT-moduler der brukere mener varslingsmodeller vil hjelpe forvaltning av nordområdenes biologisk mangfold og naturressurser i et raskt varmere klima.
Kortnytt fra Institutt for arktisk og marin biologi, Fakultet for biovitenskap, fiskeri og økonomi
-
Fiskeri- og havbruksvitenskap - bachelor
Varighet: 3 År -
Fiskeri- og havbruksvitenskap - master
Varighet: 2 År -
Akvamedisin - master
Varighet: 5 År -
Peace and Conflict Transformation - master
Varighet: 2 År -
Computer Science - master
Varighet: 2 År -
Geosciences - master
Varighet: 2 År -
Biologi - bachelor
Varighet: 3 År -
Nordisk - årsstudium
Varighet: 1 År -
Historie - årsstudium
Varighet: 1 År -
Engelsk - årsstudium
Varighet: 1 År -
Arkeologi - bachelor
Varighet: 3 År -
Informatikk, datamaskinsystemer - bachelor
Varighet: 3 År -
Informatikk, sivilingeniør - master
Varighet: 5 År -
Allmenn litteraturvitenskap - årsstudium
Varighet: 1 År -
Geologi - bachelor
Varighet: 3 År -
Farmasi - master
Varighet: 2 År -
Romfysikk, sivilingeniør - master
Varighet: 5 År -
Klima og miljøovervåkning, sivilingeniør - master
Varighet: 5 År -
Bærekraftig teknologi, ingeniør - bachelor
Varighet: 3 År -
Filosofi - bachelor
Varighet: 3 År -
Filosofi - master
Varighet: 2 År -
Anvendt fysikk og matematikk, sivilingeniør - master
Varighet: 5 År -
Arctic Nature Guide - one year programme
Varighet: 1 År -
Arktisk friluftsliv og naturguiding - bachelor
Varighet: 3 År -
Arktisk friluftsliv - årsstudium
Varighet: 1 År -
Grunnskolelærerutdanning for 1.-7. trinn - master
Varighet: 5 År -
Kunsthistorie - nettbasert førstesemesterstudium
Varighet: 1 Semestre -
Governance and Entrepreneurship in Northern and Indigenous Areas - master
Varighet: 4 År -
Samfunnsplanlegging - nettbasert førstesemesterstudium
Varighet: 1 Semestre -
Internasjonal beredskap - bachelor (samlingsbasert)
Varighet: 3 År -
Landskapsarkitektur - master
Varighet: 5 År -
Grunnskolelærerutdanning for 5.-10. trinn - master
Varighet: 5 År -
Ph.d.-program i naturvitenskap
Varighet: 3 År -
Environmental Law - master
Varighet: 2 År -
Ph.d.-program i humaniora og samfunnsvitenskap
Varighet: 3 År -
Nordic Urban Planning - master
Varighet: 2 År -
Samfunnsøkonomi med datavitenskap - master
Varighet: 2 År -
Luftfartsvitenskap - master
Varighet: 3 År -
PhD Programme in Science
Varighet: 3 År -
PhD programme in Nautical Operations
Varighet: 3 År -
Filosofi - årsstudium
Varighet: 1 År -
Lektor i språk og samfunnsfag trinn 8-13 - master
Varighet: 5 År -
Matematiske realfag - bachelor
Varighet: 3 År -
Havteknologi, ingeniør - bachelor (ordinær, y-vei)
Varighet: 3 År -
Landscape Architecture - master
Varighet: 2 År -
Contemporary Issues in Risk and Crisis Management - master
Varighet: 2 År -
Informatikk, datafag - bachelor
Varighet: 3 År -
Computer Science - master
Varighet: 2 År -
Fornybar energi, sivilingeniør - master
Varighet: 5 År -
Ergoterapi - bachelor
Varighet: 3 År