Hvis du kun vil vide mere om selve metoden, kan du spring ned i teksten. Hvis du derimod tænker; hvordan kan man måle på noget så komplekst og med så mange facetter som biodiversitet og natur, så start her:

Når man forsøger at forstå et komplekst system og vil måle på det, er det vigtigt at være tydelig på hvad og hvordan man måler. Når man eksempelvis måler på hvor godt et land klarer sig, bruger man ofte tallet for Brutto National Produktet (BNP). Dette er et tal der beskriver landets værditilvækst i form af varer og tjenester. Jo mere der produceres og jo flere tjenester der ydes, jo højere BNP og jo bedre klarer landet sig. 

Man kan sige, at BNP er en proxy (stedfortræder) for hvor godt et land klarer sig. Det er helt legalt at sige at et land jo godt kan klare sig godt uden at producere noget eller yde tjenester. Det kan være at landet klarer sig godt på kunst, kultur, vinder i sport, er glade og tilfredse, lever længere og klarer sig godt på en række andre parametre end BNP. Det er jo eksempelvis ikke det land med det højeste BNP der nødvendigvis vinder VM i fodbold. Vatikanstaten, der med 528 indbyggere er verdens mindste land, producerer ikke noget væsentligt eller har tjenesteydelser der passer ind i forhold til at beregne et BNP. Det giver derfor ikke mening at benytte BNP som en proxy for hvor godt eller skidt Vatikanstaten klarer sig. I de fleste tilfælde, og i relation til økonomi, er BNP dog et rigtig godt redskab og kan være en indikator for en lang række andre strukturelle elementer i et land.

I forhold til at måle på biodiversitet må man også beslutte hvilke proxy man benytter. Når biologer tæller insekter og urter fortæller det jo ikke direkte noget om ræve, fugle eller mikroorganismer i jorden. Men antallet og udviklingen over tid af insekter og urter kan fortælle noget om mulighederne for at andre dyr og andet liv også trives. Hvis der var 10 forskellige insektarter det første år, og 15 arter året efter, kan det være indikator for at der er andre elementer i naturen der er i en positiv udvikling. Det kunne være renere vand, flere levesteder, mere plads eller samlet set en større variation; større biodiversitet.

I vores analyse af biodiversitet benytter vi billeder taget i det infrarøde spektrum. Forskellige materialer absorberer infrarødt lys forskelligt og efterlader et infrarødt ”fingeraftryk”. Forskelligheden i billederne er, som med insekter og urter, en proxy på biodiversitet. Jo mere forskellighed i billederne, des mere forskellige planteliv, og jo flere forskellige levesteder for dyr og insekter. Derved udleder vi, at dette resulterer i højere biodiversitet. Vi har ikke opfundet metoden. Vi står bare på skuldrene af de sidste 20 års forskning. Det kan du læse om her:

Metoden

Siden 2002 har forskere over hele verden undersøgt mulighederne for at benytte luftfoto og satellitbilleder til at vurdere udviklingen af naturen. Billeder er nemmere, hurtigere og væsentlig billigere end brugen af biologer.

Under anden verdenskrig opdagede man, at ved brug af billeder taget i det infrarøde spektrum, var det muligt at se forskel på organisk og uorganisk materiale. Det er yderst brugbart når man tager billeder af en fransk skov og pludselig kan se de tyske grønne kampvogne lyse op i andre farver.

Luftfoto taget i det infrarøde lys er frit tilgængeligt for både Danmark (Datafordeleren) samt hele Europa (ESA). 

Step 1.

Indledningsvis indsamler vi billedmaterialet (CIR) fra dataforsyningen. Billederne opdateres hvert år i august hvilket betyder at vi kan benytte billeder fra foråret 2023 i august 2023. Der kan i Danmark hentes billeder tilbage fra 2015. Det er dog først fra 2017 at kvaliteten og ensartetheden er tilpas høj til at kunne benytte billederne til at sammenligne på tværs af år.

Step 2.

Vi ønsker ofte at måle biodiversiteten på en matrikel. Via data fra datafordeler.dk modtager vi oplysninger om matriklens geometri og benytter dette til at udskære det områder vi ønsker at analysere. Vi har også mulighed for selv at tegne området på et kort, for derved at få en polygon vi kan benytte.

Step 3.

Næste skridt er at fjerne ikke organisk materiale på billedet. Da organisk materiale absorberer infrarødt lys anderledes end uorganisk materiale, kan det uorganiske frasorteres i billedet. Der er samlet ca. 16,5 mio. farvekombinationer på et RGB billede. Via billedanalyser har vi udvalgt de kombinationer der repræsenterer organisk materiale. Da vi nu har fjernet veje, bygninger, grus, sten, kan vi måle hvilken procentdel af området der er organisk.

Step 4.

Næstsidste skridt er at vurdere forskelligheden i det organiske i billedet. Hvor stor er diversiteten?

Når forskere på universiteter har analyseret infrarøde billeder i forhold til biodiversitet, har de benyttet et analysemodulet ”biodivMapR” til statistisk programmet R. Fordelen ved både R og analysemodulet er, at det er open source. Kildekoderne ligger frit tilgængelige og det er derfor muligt at følge udregningsprocessen. Ulempen er dog, at det kræver både erfaring og tid at benytte programmet. Vi har derfor benyttet koderne som udgangspunkt for beregningen af diversiteten i billedet, da den allerede er anerkendt og testet af forskere og biologer. En mark, en græsplæne, en ensartet skov fremstår i få farver, hvorimod et varieret område med forskelligt organisk materiale fremstår i mange farver. For at beregne forskelligheden benyttes Simpson’s Diversity Index. Dette tager højde for antallet af forskellige elementer sammenholdt med hvor ligeligt forskellighederne er fordelt over det samlede antal individer. 

Step 5.

Da vi indsamler data for en årrække kan vi nu følge udviklingen over tid. Vi får her et tal for den procentvise del af området der er organisk og kan se om der er kommet mere eller mindre organisk. Vi får ligeledes et tal for biodiversiteten og kan se om udviklingen er positiv eller om der er tilbagegang. 

Du kan læse mere her:

https://www.mdpi.com/2072-4292/14/21/5363

https://dataforsyningen.dk/data/981

https://www.esa.int

biodivMapR

https://github.com/jbferet/biodivMapR

https://datafordeler.dk/dataoversigt/matriklen-mat/matrikel/

https://denstoredanske.lex.dk/infrarød_spektroskopi

http://www.countrysideinfo.co.uk/simpsons.htm