Datagrundlaget for analyserne af indikatorernes tilstand er den seneste registrering af prøvefelterne.
For de 18 lysåbne terrestriske habitatnaturtyper, der har været overvåget siden 2004 (se Tabel A), er hovedparten af overvågningsstationerne i det samlede stationsnet (se Tabel B1) overvåget i den tredje programperiode (2017-2022). Men en større andel af stationerne fra kalkoverdrev, rigkær og indlandsklippe blev ikke overvåget i tredje programperiode og den seneste registrering er her fra anden programperiode (2011-2016). Vi har valgt at inddrages disse lidt ældre registreringer i analyserne af tilstanden, for at øge dækningen af den geografiske variation og udnytte overvågningsdata bedst muligt. Alle overvågningsstationer for de ti skovtyper er overvåget i tredje programperiode og her er alle data i tilstandsanalyserne fra 2017-2022. De 15 lysåbne habitatnaturtyper, der kun har været overvåget siden 2011 (se Tabel A), er overvåget to gange i tredje programperiode (2017-2022) for at sikre et datagrundlag for beregning af udviklingstendenserne til Artikel 17-vurderingerne i 2025. Her bygger analyserne af tilstanden på den seneste af de to registreringer og dermed fra den sidste del af programperioden (og typisk fra 2022). Data fra disse afgrænsede perioder forventes at være unbiased af ændringer over tid og vil dermed give det mest nøjagtige estimat af den aktuelle tilstand.
Data er fordelt på de 43 terrestriske habitatnaturtyper efter metoderne her.
De statistiske analyser af tilstanden afhænger af de omstændigheder, data er indsamlet under. Datagrundlaget er karakteriseret ved at:
i) være en hierarkisk indsamling på stationer og i prøvefelter
ii) stationerne kan indeholde en mosaik af forskellige naturtyper
iii) stationerne har forskellig historie og forskelligt niveau af de enkelte indikatorer.
Ved brug af en hierarkisk statistisk model har vi for hver indikator testet, om værdien af indikatoren afhænger af om prøvefeltet er henholdsvis indenfor eller udenfor et habitatområde (se Figur L1).
Fordelingen af stikprøve variansen afhænger af den analyserede datatype (Damgaard et al. 2011, Damgaard 2013, 2014), og den anvendte fordelingstype samt transformation for de forskellige datatyper fremgår af Tabel N1.
Nedenfor er vist et eksempel på, hvorledes tilstandsanalyserne præsenteres for de terrestriske habitatnaturtyper i denne netrapport. Resultatet vises ved to histogrammer, der viser de målte værdier i den seneste programperiode (2017-2022) som udtryk for den aktuelle tilstand for indikatoren i den pågældende naturtype hhv. inden for og uden for habitatområderne (se figur herunder). Som en del af databearbejdningen laves en statistisk analyse af, hvorvidt der er signifikant forskel på værdier inden for og uden for habitatområderne. For hver indikator er den aktuelle tilstand fra den seneste overvågningsperiode (2017-2022) også vist ved prøvefelternes gennemsnitsværdier for hele landet, fire geografiske regioner (Vestjylland, Nordjylland, Østjylland og Fyn samt Sjælland og øerne) og hhv. inden for - og uden for habitatområderne.
Selvom der er tilstræbt en overordnet fordeling af stationerne, så halvdelen ligger inden for - og halvdelen ligger uden for habitatområderne, er datagrundlaget, for enkelte naturtyper, utilstrækkeligt til en statistisk analyse af forskellene i indikatorernes værdier inden for og uden for habitatområderne. Det gælder vadegræssamfund (1320), skovklit (2180) og vinteregeskov (9170), hvor alle prøvefelterne ligger indenfor habitatområderne, samt strandvold med enårige planter (1210), enårig strandengsvegetation (1310) og aktiv højmose (7110), hvor meget få prøvefelter eller en meget lille andel af prøvefelterne ligger udenfor habitatområderne.
Figur L1. Eksempel på rapportens visning af forskellen mellem prøvefelter inden for og uden for habitatområderne: Dækningen af dværgbuske i pinpoint-rammen for klithede (2140) i perioden 2017-2022. Analysen har vist, at der ikke er signifikant forskel i dækningen af dværgbuske inden for og udenfor habitatområderne.
I analyserne er taget hensyn til fordelingen af variansen for de enkelte indikatorer, ligesom værdierne i nogle tilfælde er transformeret inden analyserne (se Tabel N1).
Tabel N1. Oversigt over fordelingstype og transformation af forskellige datatyper i analyserne af tilstand og udvikling.
| Data type | Fordelingstype | Transformation (link funktion) |
|---|---|---|
| Antal arter/Antal stammer og store træer | Poisson | Log |
| Udbredelse (andel af 5 m cirkler) | Binomial | Logit |
| Dækningsgrader ud fra pinpoint | Beta-binomial | Logit |
| Ratio af pin-point data | Beta | Logit |
| Øvrige indikatorer | Normal | - |
Blangiardo, M. & Cameletti, M. (2015): Spatial and spatio-temporal Bayesian models with R-INLA. Wiley, Chichester, UK.
Blangiardo, M., Cameletti, M., Baio, G. & Rue, H. (2013): Spatial and spatio-temporal models with R-INLA. - Spatial and Spatio-temporal Epidemiology 4:33-49.
Damgaard, C. (2013): Hierarchical and spatially aggregated plant cover data. - Ecological Informatics 18:35-39.
Damgaard, C. (2014): Estimating mean plant cover from different types of cover data: a coherent statistical framework. - Ecosphere 5:art20.
Damgaard, C., Nygaard, B., Ejrnæs, R. & Kollmann, J. (2011): State-space modeling indicates rapid invasion of an alien shrub in coastal dunes. - Journal of Coastal Research 27:595–599.
Rue, H., Martino, S. & Chopin, N. (2009): Approximate Bayesian inference for latent Gaussian models using integrated nested Laplace approximations (with discussion). - Journal of the Royal Statistical Society, Series B 71:319-392.
Naturtyperne grå/grøn klit og klithede findes ofte som mosaikforekomster. Ørkenen på Fanø. Foto: Peter Wind, AU.
Figur J1. De indsamlede overvågningsdata har en hierarkisk struktur med flere prøvefelter på hver station og med en betydelig variation i de målte indikatorer mellem stationerne.
