rapporten
24
Effectiviteit van agrarisch
natuurbeheer voor weidevogels
R. Pouwels
P.W. Goedhart
H. Baveco
R. Jochem
W. Geertsema
Modelontwikkeling
De inhoudelijke kwaliteit van dit rapport is beoordeeld door Jana Verboom en Alex Schotman, Alterra.
Het rapport is geaccepteerd door Jaap Wiertz, opdrachtgever namens het Milieu- en Natuurplanbureau.
De reeks ‘Planbureaurapporten’ bevat onderzoeksresultaten die als bouwstenen dienen voor een van de planbureauproducten. Het gaat om onderzoek van alle uitvoerende partnerinstellingen en van andere organisaties die voor het Natuurplanbureau opdrachten hebben uitgevoerd. Uitvoerende instellingen zijn: Rijksinstituut voor Kust en Zee (RIKZ), Rijksinstituut voor Volksgezondheid en Milieu (RIVM), Rijksinstituut voor Integraal Zoetwaterbeheer en Afvalwaterbehandeling (RIZA) en Wageningen Universiteit en Researchcentrum (WUR).
P l a n b u r e a u r a p p o r t e n 2 4
N a t u u r p l a n b u r e a u , v e s t i g i n g W a g e n i n g e n
E f f e c t i v i t e i t v a n a g r a r i s c h
n a t u u r b e h e e r v o o r w e i d e v o g e l s
M o d e l o n t w i k k e l i n g
R . P o u w e l s
P . W . G o e d h a r t
H . B a v e c o
R . J o c h e m
W . G e e r t s e m a
Planbureaurapporten 24 4
Referaat
Pouwels, R., P. Goedhart, H. Baveco, R. Jochem & W. Geertsema, 2005. Effectiviteit van agrarisch natuurbeheer voor
weidevogels – Modelontwikkeling. Wageningen, Natuurplanbureau – vestiging Wageningen, Planbureaurapporten 24. 121 blz.;
20 fig.; 25 tab.; 27 ref.; 11 bijl.
De laatste jaren is er een discussie ontstaan over de vraag of agrarisch natuurbeheer effectief is voor het behoud van biodiversiteit, waarbij weidevogels de meeste aandacht krijgen. In het kader van het DWK-programma “Natuurlijke biodiversiteit en soortenbeheer” van het Ministerie van Lanbouw, Natuur en Voedselkwaliteit (LNV) is voor het Milieu- en Natuurplanbureau het onderzoek gestart om nader inzicht in voornoemde problematiek te krijgen. Het uiteindelijke doel is om met de beschikbare kennis een ruimtelijk expliciet model te ontwikkelen waarmee verkennende analyses zijn uit te voeren. Dit rapport geeft de aanpak van de modelontwikkeling, de gebruikersmogelijkheden van het weidevogelmodel en de kanttekeningen bij het gebruik weer.
Trefwoorden: agrarisch natuurbeheer, weidevogels, Ruimtelijke demografisch model, HSI-model, habitat kwaliteit,
broedgegevens, effectiviteit, beheersovereenkomsten, grutto, verstoring, landgebruik, regressie
Abstract
R. Pouwels, P. Goedhart, H. Baveco, R. Jochem, W. Geertsema, 2005. Effectiveness of agri-environmental schemes for
meadow birds – Model development. Wageningen, Nature Policy Assessment Office, Wageningen, Planbureaurapporten 24.
121 p. 20 fig.; 25 tab.; 27ref.; annexes
The value of agri-environmental schemes in maintaining biodiversity has recently become the subject of debate, focusing particularly on ‘meadow birds’ (waders). As part of the ‘Natural biodiversity and species management’ programme initiated by the Dutch Ministry of Agriculture, Nature and Food Quality, the Netherlands Environmental Assessment Agency (MNP) has started a research project to assess these problems. The project’s ultimate goal is to use available knowledge to develop a spatial model that allows exploratory analyses. This report discusses the development of the meadow bird model and the opportunities it offers, and comments on its use.
Key words: agri-environmental schemes, meadow birds, spatial demographic model, HSI model, habitat quality, breeding data,
effectiveness, habitat management contracts, Black-tailed Godwit, disturbance, land use, regression
ISSN 1574-0935
©2005 Alterra
Postbus 47, 6700 AA Wageningen.
Tel: (0317) 47 47 00; fax: (0317) 41 90 00; e-mail: info.alterra@wur.nl
Plant Research International
Postbus 16, 6700 AA Wageningen.
Tel.: (0317) 47 70 01, fax: (0317) 41 80 94; e-mail: info.plant@wur.nl
Planbureaurapporten is een uitgave van het Natuurplanbureau - vestiging Wageningen, onderdeel van Wageningen UR. Dit rapport is verkrijgbaar bij het secretariaat . Het rapport is ook te downloaden via www.natuurplanbureau.nl
Natuurplanbureau, vestiging Wageningen Postbus 47, 6700 AA Wageningen
Tel: (0317) 47 78 45; Fax: (0317) 42 49 88; e-mail: info@npb-wageningen.nl; Internet: www.natuurplanbureau.nl
Alle rechten voorbehouden. Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze ook zonder voorafgaande schriftelijke toestemming van de uitgever. De uitgever aanvaardt geen aansprakelijkheid voor eventuele schade voortvloeiend uit het gebruik van de resultaten van dit onderzoek of de toepassing van de adviezen.
Inhoud
Samenvatting 7 Summary 11 1 Inleiding 13 1.1 Aanleiding 13 1.2 Probleemdefinitie 13 1.3 Doel 13 1.4 Leeswijzer 14 2 Conclusies literatuuronderzoek 15 3 Overzicht modeltypen 17 4 Regressies 19 4.1 Inleiding 19 4.2 Responsvariabelen 19 4.3 Verklarende variabelen 20 4.4 Regressiemodellen 24 4.5 Resultaten 254.5.1 Minimale modellen met habitatvariabelen 25 4.5.2 Gebruik van HSI-inschattingen voor bodem, grondgebruik en grondwatertrap 26 4.5.3 Toetsing van interacties met de factor bodem 27 4.5.4 Toevoegen van beheer aan basismodel 28 4.5.5 Toevoegen van predatie aan basismodel 28
4.6 Conclusies 29
5 HSI-modellen 31
5.1 Opbouw HSI-model weidevogels 31
5.2 Expert inschattingen 33 5.2.1 Methode 33 5.2.2 Calibratie HSI-modellen 34 5.3 Resultaten 36 5.3.1 Totale aantallen 36 5.3.2 Ruimtelijk patronen 36
5.3.3 Vergelijking met regressiemodel 37
5.3.4 Plausibiliteit soortmodellen 38
5.4 Conclusies en aanbevelingen HSI-modellen 38
6 Ruimtelijk demografische modellen 39
6.1 Opzet ruimtelijk demografisch model 40
6.1.1 Ruimtelijke structuur 40
6.1.2 Demografische variabelen 41
6.1.3 Demografisch model 42
6.1.4 Samenvattend 43
Planbureaurapporten 24 6
6.3 Vestigingsmodel 47
6.4 Gebruikersmogelijkheden en aanbevelingen 47
7 Weidevogelmodellen binnen MNP-instrumentarium 49
7.1 Regressiemodellen met interactie 49
7.2 Veranderen schaalniveau 49
7.3 Toevoegen factor beheer 52
7.4 Omzetten kans op voorkomen in aantallen 54
7.5 Ruimtelijke patronen 55
7.6 Ruimtelijke component 68
7.7 Conclusies en aanbevelingen 68
Literatuur 69
Bijlage 1 Bewerkingen invoerbestanden 71
Bijlage 2 Predatiekaart 77
Bijlage 3 Regressiecoëfficiënten variabele “beheer” 79
Bijlage 4 Calibratie HSI-modellen 81
Bijlage 5 Parameterwaarden HSI-model 85
Bijlage 6 Ruimtelijke patronen basismodel regressies en HSI-modellen 87 Bijlage 7 Vergelijking resultaten HSI-modellen en resultaten regressiemodellen 101 Bijlage 8 Gevoeligheidsanalyse HSI-model 105 Bijlage 9 Parameterwaarde van regressiemodel 107 Bijlage 10 Regressiemodel bij verschillende resolutie 113 Bijlage 11 Indeling huidige en toekomstige beheer 115
Samenvatting
De biodiversiteit van het agrarische gebied neemt nog steeds af, onder meer door hoge mestgift, lage grondwaterstanden en veelvuldig en vroeg maaien. Momenteel wordt uit algemene landbouwpolitieke overwegingen economische steun gegeven aan boeren, maar ook wordt specifiek gesubsidieerd voor natuurvriendelijk agrarische bedrijfsvoering. Er is discussie ontstaan over de vraag of agrarisch natuurbeheer wel effectief is voor het behoud van biodiversiteit, waarbij de weidevogels de meeste aandacht krijgen. De vraag is onder andere of het beheer wel op de meest kansrijke locaties wordt uitgevoerd, in voldoende grote gebiedseenheden (ruime jas discussie), de beheersvarianten wel rigoureus genoeg en / of voldoende duurzaam zijn.
De gangbare faunamodellen bij ex-ante evaluaties van het Milieu- en Natuurplanbureau (MNP) zijn niet toereikend om nader inzicht in voornoemde problematiek te verkrijgen. Met de beschikbare kennis en verspreidingsgegevens van weidevogels is een model ontwikkeld waarmee verkennende analyses zijn uit te voeren. Met het model zal het effect van beheer op de verspreiding van verschillende weidevogels in beeld gebracht moeten worden. Dit rapport geeft de aanpak van de modelontwikkeling, de gebruikersmogelijkheden van het model en de kanttekeningen bij het gebruik weer.
Literatuurstudie
De ontwikkeling van een model voor weidevogels bouwt voort op een literatuurreview uit 2003 (Sanders et al. 2004). Het weidevogelmodel zal in eerste instantie worden ontwikkeld voor de primaire weidevogels: grutto, kemphaan, kievit, scholekster, tureluur, watersnip, wulp, gele kwikstaart, graspieper, veldleeuwerik, kuifeend, slobeend en zomertaling. Op basis van de review is gekozen om de factoren grondgebruik, bodem, grondwatertrap, verstoring, dichtheid sloten, openheid landschap, beheer en predatie mee te nemen in het model.
Modellen
Om inzicht te krijgen in de duurzaamheid van het voorkomen van weidevogels is een model nodig dat voorspelt of er een stijgende of dalende trend in aantallen zal optreden. Een ruimtelijk demografisch model is hiervoor het meest geschikt. Dit type modellen vergt veel kennis over de relatie tussen (omgevings)factoren en de reproductie en sterfte van weidevogels. Voor de meeste soorten is deze kennis niet voorhanden. Daarom is er voor gekozen het model als het ware getrapt op te bouwen. Als eerste worden regressiemodellen ontwikkeld, als tweede HSI-modellen (Habitat Suitability Index modellen) en als derde ruimtelijk demografische modellen.
Regressiemodellen
Voor elke weidevogelsoort is een regressiemodel opgesteld om beter inzicht te krijgen in de mate waarin de gekozen factoren van invloed zijn op de aanwezigheid van weidevogels. In eerste instantie wordt gezocht naar een goed basismodel met de factoren bodem, grondgebruik, grondwatertrap, dichtheid sloten, openheid en verstoring. Vervolgens wordt aan dit basismodel beheer en maaidatum toegevoegd om te toetsen in welke mate deze van belang zijn.
Het beste basismodel is het model met een interactie tussen de factor bodem en de factoren grondgebruik, grondwatertrap, dichtheid sloten. Daarnaast bevat het beste basismodel de factoren verstoring door wegen en openheid landschap, maar zonder interactie met de factor
Planbureaurapporten 24 8
bodem. De kaartbeelden van het basismodel met interactie, zonder de factoren beheer en predatie leveren goede verspreidingspatronen van de weidevogels. Deze modellen zijn toepasbaar op een schaalniveau van 1 x 1 kilometer.
Toevoeging van de factor beheer aan het basismodel levert voor een aantal soorten een significant beter model op. Hetzelfde geldt voor het toevoegen van de factor predatie. De richting van de regressiecoëfficiënt komt bij predatie echter niet overeen met de verwachting.
HSI-modellen
Veel bestaande habitatmodellen vallen onder de zogenaamde HSI-modellen (Habitat Suitability Index). In Nederland is dit type modellen vooral ontwikkeld vanuit Rijkswaterstaat. HSI-modellen geven een globaal idee van de geschiktheid van een gebied als habitat voor een soort. De index geeft de ratio aan van de kwaliteit van het onderzochte gebied ten opzichte van een 'perfect' gebied. Het gebruik van HSI-modellen is algemeen geaccepteerd. De uitkomsten van HSI-modellen kennen echter vaak een grote onzekerheid. Het is dan ook van groot belang om na te gaan welke parameters gevoelig zijn in een HSI-model. Voor elke factor is door drie experts bepaald wanneer deze gunstig of ongunstig is voor het voorkomen van de verschillende weidevogels. In het HSI-model van de weidevogels wordt vervolgens nagegaan welke factor het meest beperkend is voor het voorkomen van een soort. De kwaliteit van een leefgebied wordt uiteindelijk bepaald door de kwaliteit van deze factor.
De plausibiliteit van de HSI-modellen is bepaald op basis van een vergelijking met de resultaten van de regressiemodellen, de totale aantallen in Nederland en het ruimtelijke patroon. De HSI-modellen voor de grutto, kievit en scholekster geven plausibele resultaten, de HSI-modellen voor de kemphaan en gele kwikstaart leveren mogelijk met kleine aanpassingen plausibele resultaten en de modellen voor de watersnip, wulp, graspieper, veldleeuwerik, kuifeend, slobeend en zomertaling geven geen goede resultaten.
In het algemeen kan gesteld worden dat de regressiemodellen een betere voorspelling geven van de verspreiding van weidevogels dan de HSI-modellen. Daarom is ervoor gekozen om de regressiemodellen als basis te nemen voor de weidevogelmodellen en de factor beheer aan deze modellen toe te voegen op basis van expert judgement.
Ruimtelijk demografisch model
Het ruimtelijk demografisch model is alleen ontwikkeld voor de grutto. Met het model kan men dieper ingaan op de problematiek rond het effect van beheer op het voorkomen van de grutto. Er kan bijvoorbeeld nagegaan worden of de huidige populatie krimpt of groeit op basis van sterfte en reproductie. Wanneer er vragen beantwoord moeten worden in hoeverre het huidige landschap een bepaalde populatiegrootte kan dragen, zal het model uitgebreid moeten worden met een vestigingsmodule.
Het huidige model is nog in de ontwikkelfase en zal door de onderzoeker zelf gebruikt moeten worden. Mogelijk dat een soortgelijk model ook voor veldleeuwerik en kievit ontwikkeld kan worden. Daarnaast lijkt het model goed inzetbaar binnen het predatieonderzoek.
Weidevogelmodel
De basis van de soortmodellen zijn de regressiemodellen met interactie. Voor de factor beheer is gebruik gemaakt van expertinschattingen. De factor predatie is in de huidige soortmodellen nog niet meegenomen.
Bij scenariostudies naar het effect van beheer zal het model weergeven wat de drie experts hebben ingeschat. Deze inschattingen hebben dan een grote onzekerheid. Het blijft noodzakelijk dat de effectiviteit van verschillende beheerstypen verder onderzocht wordt en dat de resultaten van deze onderzoeken in de weidevogelmodellen worden ingebracht. Daarnaast is het aan te bevelen om minimaal een gevoeligheidsanalyse uit te voeren op de factor beheer.
Voor grutto, kievit, scholekster, tureluur, watersnip, wulp, gele kwikstaart, graspieper, veldleeuwerik, kuifeend, slobeend en zomertaling is het model bruikbaar voor scenariostudies van het MNP. De parameters in het model voor de kemphaan zijn gebaseerd op te weinig waarnemingen om het model voor deze soort te gebruiken.
Het weidevogelmodel is bruikbaar op landelijke schaal. De inschatting is dat wanneer het model op regionale schaal gebruikt wordt, de resultaten kwantitatief zullen afwijken. Alvorens het model regionaal wordt toegepast, zullen de resultaten met lokale kennis en expertise moeten worden gevalideerd.
Summary
Biodiversity in agricultural areas is still decreasing, due to the use of fertilizers, the lowering of water tables and frequent mowing early in the growing season. Farmers are currently given economic support on the basis of general considerations of agricultural policy, but also to take part in agri-environmental schemes. However, the effectiveness of the agri-environmental schemes for biodiversity conservation has become controversial, in particular the schemes for ‘meadow birds’ (waders). The debate has raised questions like whether the locations of the current agri-environmental schemes are favourable and whether these schemes cover sufficiently large areas, as well as whether the management interventions are sufficiently strict and sustainable.
We have developed a model that can be used for exploratory analyses of the above problems. The model was commissioned by the Netherlands Environmental Assessment Agency (MNP) and is part of their set of instruments. The model should be able to determine the effect of management on the presence of meadow birds. This report discusses the development of the model and the opportunities it offers, and comments on its use.
Literature study
The development of the model for meadow birds follows a literature study (Sanders et al. 2004). The model has been developed for the so-called primary meadow birds: Black-tailed Godwit, Redshank, Lapwing, Oystercatcher, Sky Lark, Blue-headed Wagtail, Curlew, Common Snipe, Ruff, Shoveler, Tufted Duck, Meadow Pipit and Garganey. Based on the literature study, the model includes the following factors: land use, soil type, water tables, disturbance, density of ditches and small canals, open character of the landscape, management and nest predation.
Models
Models are needed to explore the influence of environmental factors and human influence on the development of population sizes and to predict decreases or increases in bird numbers. The most suitable type of model would be spatial demographic models, which require knowledge of causal relations between environmental factors and the reproduction and mortality of meadow birds. Since this knowledge is not available for most species, we decided to build the model in a stepwise process, starting with regression models, then proceeding to Habitat Suitability Index (HSI) models and finally to spatial demographic models.
Regression models
For each species of meadow bird, a regression model has been used to determine the impact of the various factors on the presence of this species. A model has been built which includes the environmental factors and disturbance. Next, management factors, including type of management and mowing regime, have been added to the model to see if they influence the presence of the meadow birds. Finally, predation has been added to the model. The model is suitable for use with distribution data based on a 1 x 1 km grid.
The best model is one in which soil type interacts with land use, water table and the density of ditches and small canals. The model also includes disturbance and the open character of the landscape. The spatial maps resulting from the model correspond well with the distribution maps of the meadow birds.
Planbureaurapporten 24 12
Adding management resulted in a better model for some meadow birds, as did adding predation. However, the direction of the regression coefficient is the opposite of what was expected.
HSI models
Many existing habitat models belong to the so-called HSI models (Habitat Suitability Index). In the Netherlands, this type of model has primarily been developed for species in aquatic environments. HSI models yield a suitability index between 0 and 1 for a patch. The index shows the ratio between the quality of a particular patch and that of a ‘perfect’ habitat patch. Although HSI models are widely accepted, their results can be subject to large degrees of uncertainty. Therefore, an important step in the development of such models is a sensitivity or uncertainty analysis.
For each factor, we asked three experts to determine whether it is favourable or unfavourable for the presence of the various bird species. Within a patch, the model assesses the most critical factor, and the suitability of the patch is then determined by the index for this factor. The spatial maps produced by the HSI models did not correspond well with the distribution maps for most meadow birds. The results of the HSI models were also compared with the total numbers in the Netherlands and with the results of the regression models. The HSI models only yielded plausible results for three meadow birds: Black-tailed Godwit, Lapwing and Oystercatcher. Overall, the regression models gave better results, so we chose to develop the meadow birds model on the basis of the regression models rather than the HSI models.
Spatial demographic model
The spatial demographic model has been developed for the Black-tailed Godwit only. The current model is still being developed. A pilot study has shown that the model is better able to focus on the impact of management on the presence of the Black-tailed Godwit. This type of model can also be developed for Lapwing and Sky Lark. A colonization module should be added.
Meadow Birds Model
The model that has been developed is based on the regression models that include interaction with soil type. The management factor was added to the model based on expert judgement. Predation has not yet been included as a factor in the model.
If the model is used for an exploratory assessment of the effect of management on the presence of meadow birds, its results will reflect the expert judgements. The indices for the management factor have a high degree of uncertainty, which requires further analysis. We recommend undertaking at least a sensitivity analysis on the management factor.
The model can be used on a national scale for most species: Black-tailed Godwit, Lapwing, Oystercatcher, Sky Lark, Blue-headed Wagtail, Curlew, Common Snipe, Ruff, Shoveler, Tufted Duck, Meadow Pipit and Garganey. Since the parameters in the model for the Redshank are based on insufficient data, the results for this species cannot be used. If the model is to be used on a regional scale, local knowledge and local expertise have to be used to validate the results.
1
Inleiding
1.1 Aanleiding
De biodiversiteit van het agrarische gebied neemt nog steeds af, ondermeer door hoge mestgift, diepe grondwaterstanden en veelvuldig en vroeg maaien. Momenteel wordt uit algemene landbouwpolitieke overwegingen economische steun gegeven aan boeren, maar ook wordt specifiek gesubsidieerd voor natuurvriendelijk agrarische bedrijfsvoering. Er is discussie ontstaan over de vraag of agrarisch natuurbeheer wel effectief is voor het behoud van biodiversiteit, waarbij de weidevogels de meeste aandacht krijgen. De vraag is onder andere of het beheer wel in op de meest kansrijke locaties wordt uitgevoerd, in voldoende grote gebiedseenheden (ruime jas discussie), de beheersvarianten wel rigoureus genoeg zijn en wel voldoende duurzaam (zie startdocument MNP dd 31-5-2002). Dit vindt plaats tegen de achtergrond van een fundamentelere discussie over de betekenis van landbouw in Nederland mede gelet op de liberalisatie van de landbouwpolitiek en vraag naar grond voor groen wonen, ruimte voor water, natuur en landschap.
1.2 Probleemdefinitie
Bij ex-ante evaluaties van de effectiviteit van agrarisch natuurbeheer is het instrumentarium dat ontwikkeld is voor evaluatie van het ruimtelijke beleid (LARCH) niet toereikend. Hier kunnen een aantal oorzaken voor aangegeven worden:
1. LARCH richt zich op de duurzaamheid van netwerken. Duurzaamheid wordt afgeleid uit de geschatte levensvatbaarheid van populaties. Voor een aantal weidevogelsoorten lijkt duurzaamheid van de populatie een minder relevant criterium dan bijvoorbeeld populatie omvang (of trends in populatieomvang)
2. Uitgangspunt van LARCH is dat versnippering van habitat de meest bepalende factor is voor de levensvatbaarheid van populaties van de betreffende soorten. Voor een aantal weidevogelsoorten, is versnippering mogelijk een kleiner probleem dan achteruitgang in hoeveelheid en/of kwaliteit van habitat of in het algemeen een verandering in de verhouding van hoeveelheid “source” en “sink” habitat
3. er zijn geen goede bestanden beschikbaar met betrekking tot beheer waardoor de lokale habitat kwaliteit niet goed is te bepalen.
1.3 Doel
Binnen het project 'Effectiviteit Agrarisch Natuurbeheer' wordt een ruimtelijk expliciet model voor primaire weidevogels ontwikkeld, waarmee via verkennende analyses nader inzicht is te verkrijgen in de effectiviteit van agrarisch natuurbeheer voor primaire weidevogels op landelijke schaal met regionale differentiatie. Met het model zal het effect van beheer op de verspreiding van verschillende weidevogels in beeld gebracht moeten worden.
Planbureaurapporten 24 14
1.4 Leeswijzer
In het project wordt aangesloten op een literatuurreview (Sanders et al. 2004). In de review wordt een overzicht gegeven van bestaand onderzoek en wordt inzicht gegeven in de (ecologische) factoren die de mate van succes van agrarisch natuurbeheer voor weidevogels bepalen. Tevens is in de literatuurreview nagegaan welke modellen voor weidevogels beschreven zijn en welke alternatieve modellen geschikt zijn voor ruimtelijke modellering van weidevogels (Sanders et al. 2004). In dit rapport worden de uitkomsten van de literatuurreview samenvattend beschreven in hoofdstuk 2 (factoren die het voorkomen beïnvloeden) en hoofdstuk 3 (overzicht van de typen modellen). De drie typen modellen (regressiemodellen, HSI-modellen en ruimtelijk demografische modellen) die uitgewerkt zijn binnen het project worden beschreven in hoofdstukken 4, 5 en 6. In hoofdstuk 7 wordt het uiteindelijke weidevogelmodel uitgewerkt. Dit model is gebaseerd op de regressiemodellen. De belangrijkste aanpassingen ten opzichte van de regressiemodellen zijn veranderen van schaalniveau, toevoegen van de factor beheer en omzetten kans op voorkomen in aantallen. Er wordt afgesloten met een discussie en conclusies en aanbevelingen.
2
Conclusies literatuuronderzoek
11
. Effectiviteit Agrarisch natuurbeheerVrijwel al het verrichte onderzoek heeft zich beperkt tot het vergelijken van gebieden met en zonder beheersovereenkomst op één bepaald moment. De kans dat andere factoren verschillen in dichtheden veroorzaken is dan niet altijd uit te sluiten. Dit verklaart waarschijnlijk het wisselende beeld van de effectiviteit van agrarisch natuurbeheer. In het merendeel van de studies zijn zowel positieve als negatieve effecten gevonden. Enkele studies laten alleen negatieve of alleen positieve effecten zien.
In een recent afgesloten onderzoek was het wel mogelijk de ontwikkeling van de aantallen weidevogels vóór en ná het afsluiten van beheersovereenkomsten te vergelijken met de ontwikkeling van de aantallen zonder agrarisch natuurbeheer. De resultaten duiden niet op een positief effect van het afsluiten van beheersovereenkomsten op de dichtheid van de vier belangrijkste weidevogelsoorten. Bij Grutto en Scholekster verschilt de ontwikkeling van de aantallen na het afsluiten van beheersovereenkomsten niet met de ontwikkeling van de aantallen bij afwezigheid van beheersovereenkomsten. Bij Kievit en Tureluur is de ontwikkeling van de aantallen na het afsluiten van beheersovereenkomsten zelfs significant negatiever dan de ontwikkeling van de aantallen bij afwezigheid van beheersovereen-komsten. De percelen waar beheersovereenkomsten zijn afgesloten hadden gemiddeld over alle jaren een hogere dichtheid voor Grutto en Tureluur dan de controlepercelen, maar deze verschillen waren al aanwezig voordat de beheersovereenkomsten werden afgesloten. Dit komt omdat beheersovereenkomsten vooral worden afgesloten op percelen die al een hoge dichtheid aan weidevogels hebben. Onderzoek naar het effect van ruimtelijke samenhang van maatregelen ontbreekt.
Wat uit deze onderzoeken niet naar vormen komt is de oorzaak van de gevonden effecten. 2. Weidevogels
Een globale indeling van weidevogels bestaat uit vier groepen: steltlopers, eenden, zangvogels en rallen/sterns. Primaire weidevogels broeden in hoofdzaak in grasland en secundaire weidevogels broeden soms of slechts lokaal in grasland. Primaire weidevogels zijn: kievit, grutto, scholekster, wulp, tureluur, watersnip, kemphaan, slobeend, kuifeend, zomertaling, graspieper, veldleeuwerik en gele kwikstaart. Beschikbare informatie over broedgegevens, habitattypen en voedselbehoefte is uitgewerkt voor de primaire weidevogels. De broedperiode voor de hele groep van primaire weidevogels loopt van begin maart tot in juli. Voor de meeste soorten ligt de nadruk op de periode april-juni, Sommige soorten starten echter vroeg (wilde eend en kievit in maart) en andere laat (kemphaan en gele kwikstaart in mei). Het bepalen van de meest geschikte maaidatum op een bepaalde locatie zou dus moeten gebeuren aan de hand van de aanwezige vogelsoorten. Het standaard aantal legsels in de broedperiode is voor vrijwel alle eenden en steltlopers één en voor de zangvogels twee tot vier. Eenden en steltlopers kunnen echter na legselverlies één of meer vervolglegsels produceren, afhankelijk van de datum, voedselaanbod en nestgelegenheid. Kieviten kunnen zelfs 1-4 vervolglegsels produceren waardoor het nestsucces minder gevoelig is voor legselverlies.
Planbureaurapporten 24 16
3. Factoren
De belangrijkste factoren die het duurzaam voorkomen van de weidevogels beïnvloeden zijn: areaalafname, intensiever agrarisch beheer (maaien, bemesten, ontwatering enz.), predatie en verstoring. Deze factoren zijn niet onafhankelijk van elkaar. Zo zorgt ontwatering voor een slechtere bereikbaarheid van regenwormen maar ook voor de mogelijkheid vroeger in het seizoen te maaien. Onbekend is nog de mate van invloed van deze verminderde voedselbeschikbaarheid op het broedsucces. Het plas-dras-pakket is het enige pakket gericht op herstel van de specifieke habitatkwaliteit.
De effecten van maaien of andere bewerkingen in de broedperiode zonder dat er nestbescherming plaatsvindt zijn desastreus; bijna alle aanwezige nesten worden vernield of de mogelijkheid voor een noodzakelijk tweede legsel wordt ontnomen (veldleeuwerik). Wanneer de effecten van regulier agrarisch beheer door middel van nestbescherming worden verminderd, kunnen andere factoren zoals predatie een grotere tol gaan eisen. Hoe groot de invloed van predatie is op het broedsucces in samenhang met andere verliesfactoren, is echter onbekend en kan lokaal variëren van geen tot bijna alle nesten. De mate van invloed op het broedsucces van de verschillende factoren is niet bekend in absolute zin maar er is wel overeenstemming over de relatieve invloed. Agrarische intensivering (vooral oppervlakte ineens gemaaid) en in sommige gebieden in recente jaren ook wel predatie worden gezien als de belangrijkste factoren die de achteruitgang van de weidevogels veroorzaken. De nu geldende pakketten in de SAN zijn gericht op uitstel van agrarische activiteiten; bijvoorbeeld niet maaien tot 8 juni. Door uitstel van maaien kunnen predatoren ook minder nesten vinden. Hoeveel minder is onbekend. Dus, onderzoek naar kwaliteit van de maatregelen vindt (deels) plaats, maar onderzoek naar gewenste kwantiteit ontbreekt.
Mozaïekbeheer zou op meerdere niveaus moeten worden vormgegeven: op gebiedsniveau (verschillende soorten percelen) en perceelsniveau (structuurrijke graslanden). De collectieve weidevogelpakketen geven de mogelijkheid om de optimale verdeling van beheer gebiedsgericht in te vullen, maar er zijn geen weidevogel pakketten gericht op natuurlijk, reliëfrijk grasland. Onbekend is hoe groot het oppervlak met uitgesteld maaibeheer moet zijn en wat een optimale ruimtelijke verdeling van de percelen moet zijn voor het in stand houden van een gezonde populatie.
Verstoring door auto- en treinverkeer verlaagt de dichtheid van veel weidevogelsoorten tot op meer dan 1000 m van wegen en spoorlijnen. Voor de grutto is voor het hoofdwegennet een landelijk populatieverlies berekend van ca. 10% dat regionaal kan oplopen tot wel 20%. Ook in de nabijheid van opgaande landschapselementen (zoals houtwallen, boerderijen, windmolens e.d.) en stedelijke bebouwingen hebben weidevogels een verlaagde dichtheid. 4. Modellen
Om inzicht te krijgen in de duurzaamheid van het voorkomen van weidevogels is een model nodig dat voorspelt of er een stijgende of dalende trend in aantallen zal optreden. Een ruimtelijk demografisch model is hiervoor het meest geschikt. Dit type modellen vergt veel kennis over de relatie tussen (omgevings)factoren en de reproductie en sterfte van weidevogels. Voor de meeste soorten is deze kennis niet voorhanden. Daarom is er voor gekozen het model als het ware getrapt op te bouwen. Als eerste worden regressiemodellen ontwikkeld, als tweede HSI-modellen (Habitat Suitability Index modellen) en als derde ruimtelijk demografische modellen. De regressiemodellen worden gebruikt om inzicht te krijgen in hoeverre de verschillende habitatfactoren in de HSI-modellen van belang zijn voor de weidevogels. Tevens kunnen de regressiemodellen gebruikt worden voor een kwaliteitsbeoordeling van de HSI-modellen. De HSI-modellen vormen een onderdeel van de ruimtelijk demografische modellen. Een ruimtelijk demografisch model kan naar verwachting alleen ontwikkeld worden voor grutto, kievit en veldleeuwerik.
3
Overzicht modeltypen
2Bij de bepaling van de mate van geschiktheid van de mogelijke modellen is uitgegaan van een met LARCH vergelijkbaar instrument, waarmee de ruimtelijke uitwerking van regelingen in het kader van agrarisch natuurbeheer geëvalueerd kan worden. Vergelijkbaar in detailniveau, benadering en gebruik van ruimtelijke databestanden.
In beginsel zijn er een groot aantal modelbenaderingen mogelijk, waarmee een ruimtelijke uitkomst in termen van voorkomen van soorten of levensvatbaarheid van populaties gegenereerd kan worden, variërend van eenvoudige statistische (regressie) modellen, tot complexe dynamische modellen. Gegeven de wens om aan te sluiten bij het bestaande instrumentarium, zijn populatiedynamische modellen vooralsnog geen optie. Vier mogelijke benaderingen (tabel 1) worden hieronder besproken.
Tabel 1 Overzicht van mogelijke modellen die toepasbaar zijn voor het beoordelen van beheer en ruimtelijke inrichting op weidevogels. De modellen zijn gerangschikt van eenvoudige modellen (links) naar complexere modellen (rechts).
Regressie-modellen HSI-modellen Demografische modellen Ruimtelijk demografische modellen
Voorbeeld MOVE Duel 1992 Teunissen en Schekkerman 1999 With en King 2001 Toepasbaarheid ++ ++ ++ ++ Aanwezige kennis ++ ++ + + Technische implementatie ++ ++ 0 ++ Aantallen ++ ++ ++ ++ Duurzaamheid -- -- + 0
Op basis van de review is gekozen voor een getrapte opbouw. Als eerste worden regressiemodellen (zie hoofdstuk 4) ontwikkeld, als tweede HSI-modellen (Habitat Suitability Index modellen) (zie hoofdstuk 5) en als derde ruimtelijk demografische modellen (zie hoofdstuk 6). De regressiemodellen worden gebruikt om inzicht te krijgen in hoeverre de verschillende habitatfactoren in de modellen van belang zijn voor de weidevogels. De HSI-modellen kunnen gebruikt worden als onderdeel van de ruimtelijk demografische HSI-modellen. Om een goed ruimtelijk demografisch model te ontwikkelen is meer kennis van de soorten nodig. Naar verwachting kunnen deze alleen ontwikkeld worden voor grutto, kievit en veldleeuwerik. In hoofdstuk 6 is een pilot beschreven voor de grutto.
4
Regressies
4.1 Inleiding
Uit de literatuurstudie komt een aantal factoren naar voren die de aanwezigheid van weidevogels beïnvloedt. Doel van de regressiemodellen is beter inzicht te krijgen in de relevante factoren voor aanwezigheid van weidevogels. Om na te gaan in hoeverre beheer en maaidatum relevante factoren zijn, wordt in eerste instantie gezocht naar een goed basismodel met de overige factoren. Vervolgens wordt aan dit basismodel beheer en maaidatum toegevoegd om te toetsen of deze van belang zijn. De dataset is zo groot dat ook kleine effecten, kleine regressiecoëfficiënten, zeer significant kunnen zijn. Tweede doel is om de HSI-modellen te verbeteren op basis van de regressiemodellen.
4.2 Responsvariabelen
De respons variabelen bestaan uit het voorkomen van weidevogelsoorten in km-hokken verspreid over Nederland (SOVON vogelonderzoek Nederland 2002). Per soort is aangegeven of deze aan- of afwezig is in een km-hok. Voor sommige soorten zijn uitgebreidere gegevens verzameld, die indicatief bruikbaar zijn als dichtheid. In totaal zijn 11.254 km-hokken, die random over Nederland verspreid liggen, gemonitord. De hokken zijn in één van de jaren 1998, 1999 of 2000 twee keer bezocht gedurende één uur. Aanwezig betekent dat een soort in minstens één van de bezoeken per km-hok waargenomen is. Afwezig betekent dat een soort bij geen van de bezoeken is waargenomen. Er is dus een (kleine) kans dat een soort wel aanwezig was, maar niet is waargenomen. De aantallen zijn nauwkeuriger als responsvariabele dan de aan- en afwezigheidsgegevens. Voor hokken waar een soort twee keer waargenomen is en waar twee keer territoria zijn geteld, wordt als score voor dat km-hok het maximum genomen.
Enkele km-hokken die op de grens van Nederland liggen of die voor een groot deel uit water bestaan, worden buiten beschouwing gelaten. Dit resulteert in 10.706 km-hokken die gebruikt kunnen worden voor de regressiemodellen (tabel 2). Vanwege ontbrekende gegevens voor de factoren bodem en openheid landschap (zie ook par. 4.3) blijven er 10.373 hokken over. De soorten kemphaan, watersnip en zomertaling komen in relatief weinig kilometerhokken voor. Voor deze soorten moeten regressie resultaten voorzichtig geïnterpreteerd worden. Voor de soorten gele kwikstaart, graspieper, kievit, scholekster en veldleeuwerik zijn vrijwel geen echte tellingen beschikbaar. Voor deze soorten, en ook voor kemphaan, watersnip en zomertaling, komt alleen een logistische regressie op aan/afwezigheids gegevens in aanmerking. Daarbij worden de positieve tellingen vervangen door een 1 (aanwezigheid).
Planbureaurapporten 24 20
Tabel 2 Voorkomen van (primaire) weidevogelsoorten in km-hokken. "Afwezig": aantal km hokken waar soort niet waargenomen is, "Aanwezig": aantal km-hokken waar soort wel waargenomen is en "aantallen": aantal km-hokken waar het aantal territoria is gescoord.
Afwezig Aanwezig Aantallen
Gele kwikstaart 7705 3001 180 Graspieper 6449 4257 183 Grutto 7456 3250 2114 Kemphaan 10661 45 23 Kievit 2723 7983 265 Kuifeend 8195 2511 1815 Scholekster 3845 6861 252 Slobeend 9510 1196 814 Tureluur 8247 2459 1648 Veldleeuwerik 6125 4581 258 Watersnip 10425 281 183 Wulp 8629 2077 1424 Zomertaling 10368 338 236
4.3 Verklarende variabelen
De factoren die het voorkomen van weidevogels bepalen worden meegenomen als de verklarende variabelen (tabel 3). De waarde van de verklarende variabelen wordt afgeleid van bestanden. De bestanden die gebruikt worden zijn zoveel mogelijk van de zelfde periode als de vogelgegevens. De bewerkingen van de bestanden worden beschreven in bijlage 1.
Er wordt onderscheid gemaakt in variabelen die de habitatkwaliteit beschrijven en variabelen die het beheer beschrijven. Grondgebruik, bodem, grondwatertrap, sloten, openheid landschap en verstoring beschrijven de habitatkwaliteit. Deze variabelen zijn moeilijk te beïnvloeden, althans via agrarisch natuurbeheer. Maaidatum en type beheer (bij particulier agrarisch beheer) en beheer door terreinbeherende organisaties beschrijven het beheer dat eenvoudiger te beïnvloeden is via beheersmaatregelen. Tot slot geeft de variabele predatie aan wat de predatie van de nesten is ten opzichte van het landelijke gemiddelde (bijlage 2).
Tabel 3. Overzicht van verklarende variabelen en gebruikte bestanden. Voor de regressiemodellen worden de bestanden (indien nodig) omgezet tot gridbestanden van 1 x 1 km gebruikt. Voor de HSI-modellen worden de bestanden (indien nodig) omgezet tot gridbestanden van 250 x 250 meter.
Factor Bestand Inhoud
Grondgebruik LGN4 grondgebruik, 39 klassen Bodem FGR fysisch geografische regio's Grondwatertrap Bodemkaart Grondwatertrappen
Sloten VIRIS-Top10 onderscheid drie klassen water: 0-3 meter breed, 3-6 meter breed en klein water Openheid landschap Kaart Maat van de ruimte 9 klassen, van open naar gesloten
landschappen
Verstoringskaart Mate van verstoring door verkeer bij wegen met een intensiteit groter dan 7000 voortuigen per dag.
Verstoring*
VIRIS-Top10 (HSI-model) onderscheid veel vertorende elementen: van wegen tot bebouwing van windmolens tot solitaire bomen
Beheer (particulier) maaidatum
BOTOP ligging van beheersovereenkomsten RBON per 31.12.00: er wordt onderscheid gemaakt in 5 perioden voor de vroegste maaidatum Beheer (particulier)
type beheer
BOTOP ligging van beheersovereenkomsten RBON per 31.12.00: beheer is opgesplitst in botanisch beheer, weidevogelbeheer en overig Beheer (organisatie) Bestand SBB met weidevogel
gebieden
Combinatie eigendommen van terreinbeherende organisaties + bestand van LASER met SN – weidevogelbeheer
percelen met weidevogelbeheer die in bezit zijn van particuliere terreinbeherende organisaties (NM, SBB, Prov. Landschappen)
Predatie Predatiekaart kaart met rol van predatie bij overleving kuikens (bijlage 2)
* voor het HSI-model wordt een gedetailleerdere kaart gebruikt aangezien de basisbestanden ook een
groter detailniveau kennen (250 x 250 meter) dan de basisbestanden bij de regressiemodellen (1 km x 1 km).
Grondgebruik
Op basis van het LGN4 bestand (http://www.lgn.nl) zijn zes typen grondgebruik gedefinieerd (zie tabel 4 en bijlage 1). Ieder type is een variabele in de regressie. De waarde van de variabele bestaat uit het percentage van een km-hok dat binnen de betreffende grondgebruiksklasse valt. De percentages tellen vrijwel altijd op tot 100, voor 3 hokken is de som van de percentages kleiner dan 90% met een minimum van 88%. Omdat de variabelen bijna overal tot 100 sommeren wordt het percentage ongeschikt niet meegenomen in de regressies.
Planbureaurapporten 24 22
Tabel 4 Overzicht van de typen grondgebruik
LGN1 gras LGN2 akker LGN3 riet LGN4 kwelder LGN5 heide, duinen, hoogveen LGN6 ongeschikt
Bodem
Voor de factor bodem worden de fysisch geografische regio’s (FGR) gebruikt (http://geodesk.girs.wau.nl/geokey4/). De waarde van deze variabele is de dominante FGR in het km-hok. Tabel 5 toont de gebruikte FGR's. Noordzee is niet als FGR meegenomen. Km-hokken langs de kust waar het grootste deel met de Noordzee samenvalt, krijgen als waarde de volgend grootste FGR, veelal "duinen". Voor 323 hokken is de FGR onbekend, omdat ze bijvoorbeeld in stedelijk gebied liggen. Deze kilometerhokken zijn verwijderd.
Tabel 5 Overzicht van de FGR's in de analyse Fysisch Geografische Regio FGR_code
Afgesloten zeearmen 1 Duinen 2 Getijdengebied 3 Heuvelland 4 Hoge zandgronden 5 Laagveen 6 (niet bekend & Noordzee) *
Rivierengebied 9 Zeeklei 10
Grondwatertrap
Grondwatertrap wordt als vijf variabelen weergegeven: De grondwatertrappen zijn samengevoegd tot vijf categorieën: (I en Ib), (II en IIb), (III en IIIb), (V en Vb) en (IV, VI, VII en VIII). Grondwatertrap IV is samengevoegd met de diepe grondwatertrappen. Vervolgens per km-hok het procentuele aandeel van de betreffende categorie bepaald. Omdat voor de uiterwaarden en de steden geen grondwatertrappen bekend zijn, tellen de percentages niet altijd op tot 100%. Er zijn bijvoorbeeld 2566 hokken met een som kleiner dan 90%, 1666 hokken met een som kleiner dan 75% en 956 hokken met een som kleiner dan 50%. De minimale som is 0%.
Sloten
Deze factor wordt door twee variabelen weergegeven. Samen beschrijven ze de hoeveelheid sloten en kleine wateren en het aandeel van dat water dat in brede sloten en kleine wateren ligt. De eerste variabele geeft het percentage van een km-hok dat uit water bestaat, opgebouwd uit smalle sloten (0-3 m breed), brede sloten (3-6 m breed) en kleine wateren. De tweede variabele geeft de fractie van het wateroppervlak dat uit brede sloten en kleine wateren bestaat.
Openheid
Deze variabele geeft de openheid van het landschap weer. Ze is gebaseerd op de hoeveelheid opgaande begroeiing en bebouwing (Dijkstra en van Lith-Kranendonk 2000). De variabele bestaat uit 9 klassen, die een gradiënt weergeven van zeer open tot zeer gesloten:
1 = zeer open 9 = zeer gesloten
Voor 10 hokken is de openheid onbekend. Deze kilometerhokken zijn verwijderd. Ter reductie van het aantal parameters wordt openheid in de regressiemodellen beschouwd als een kwantitatieve variabele (variate), en niet als een kwalitatieve variabele (factor).
Verstoring
Deze variabele geeft het percentage van een km-hok dat binnen een door verkeer verstoorde zone ligt (Foppen et al. 2002).
Type weidevogelbeheer
Vier variabelen worden gebruikt om aan te geven of er sprake is van weidevogelbeheer in een km-hok. Er wordt onderscheid gemaakt tussen beheer door particulieren en beheer door terreinbeherende organisaties. Voor het particuliere weidevogelbeheer wordt gebruik gemaakt van het BOTOP bestand en is als peildatum 31-12-2000 gebruikt. Het percentage van een km-hok waar particulieren beheerspakketten hebben afgesloten is in drie variabelen opgedeeld: percentage weidevogelbeheer, percentage botanisch beheer en het percentage waar wel een beheerspakket is afgesloten maar waarbij het onduidelijk is of dat beheer gunstig voor weidevogels is. Een vierde variabele geeft aan welk deel van een km-hok in bezit van terreinbeherende organisaties is en een weidevogeldoelstelling heeft. Voor het beheer van terreinbeherende organisaties is gebruik gemaakt van een bestand van Staatsbosbeheer en een bestand van LASER, waarin de weidevogelpakketten onder de SN regeling zijn aangegeven.
Maaibeheer bij particulier beheer
Voor particulier beheerde percelen is het in veel gevallen bekend vanaf welke datum er gemaaid wordt. De uitgestelde maaidatum is in drie periodes ingedeeld: voor 1 juni, tussen 1 juni en 1 juli of na 1 juli. Per periode is aangegeven welk percentage na die datum wordt gemaaid. Deze factor is een verfijning van de factor particulier beheer. In 1736 km-hokken zijn gegevens over particulier weidevogelbeheer. Voor slechts 513 van deze hokken is het gesommeerde percentage maaibeheer minimaal 95% van het gesommeerde percentage particulier beheer. Voor 613 hokken is het gesommeerde percentage maaibeheer zelfs minder dan 5% van het gesommeerde percentage particulier beheer. De maaidata zijn dus in veel gevallen onbekend. De missende percentages zijn niet toegekend aan een andere klasse. Door de grote onduidelijkheden rond de factor maaibeheer zullen de resultaten van de analyses niet worden gepresenteerd in het rapport. Het is niet goed mogelijk om de resultaten te interpreteren.
Predatie
Binnen Nederland worden in totaal 37 ecodistricten onderscheiden op grond van landschapskenmerken, zoals bodemtype of cultuurhistorie. Die ecodistricten vormen geen aaneengesloten gebieden, maar wisselen elkaar af. Zo wordt het laagveengebied bijvoorbeeld afgewisseld met stedelijk gebied. Elk ecodistrict kan dus bestaan uit verschillende sub-ecodistricten. Hier aangeduid als regio’s. In totaal worden er zo bijna 200 regio’s onderscheiden. Naar verwachting zullen verschillen in predatiedruk tussen gebieden gekoppeld zijn aan bepaalde landschapskenmerken binnen die gebieden. Om die reden is er voor gekozen om voor elke regio apart de predatiedruk te bepalen, zodat bij het maken van het kaartbeeld alvast rekening kan worden gehouden met die invloeden.
De kaart (bijlage 2) is uiteindelijk gebaseerd op gegevens over 90.489 weidevogellegsels gevonden in het jaar 2000. Door de aard van het basismateriaal zijn de gevonden resultaten alleen geldig voor agrarisch gebied waarbinnen vrijwillige weidevogelbescherming plaatsvindt. De dichtheid waarin soorten voorkomen binnen het agrarisch gebied kan sterk verschillen en bovendien is de kans om het nest te vinden per soort ook nog eens sterk verschillend. Het
Planbureaurapporten 24 24
merendeel van de nesten die worden gevonden door vrijwilligers en boeren bestaat uit nesten van steltlopers, waarbij de kievit de boventoon voert. Tweederde van de gevonden nesten is afkomstig van kieviten. Voor elke regio is eerst per soort het verlies door predatie bepaald. Het verlies voor de weidevogels als groep is gewogen naar het aandeel dat elke soort hieraan heeft bijgedragen.
Na berekening van dagelijkse overlevingskansen blijkt dat van alle nesten 54% uitkwam, 24% werd gepredeerd, 9% verloren ging door agrarische activiteiten zoals maaien en beweiden, en de overige 13% door andere of onbekende oorzaken. Eerder onderzoek heeft laten zien dat in gebieden waar geen nestbescherming plaatsvindt slechts 40% van de nesten uitkomt. Het verschil in uitkomstsucces ten opzichte van gebieden met vrijwillige weidevogelbescherming is louter het gevolg van grotere verliezen door agrarische activiteiten in gebieden zonder die bescherming.
Voor het maken van de kaart is het gemiddelde predatieverlies van 24% op 1 gesteld en is voor elke regio apart de verhouding van het predatieverlies ten opzicht van het gemiddelde verlies bepaald; de predatie-index (www.sovon.nl/pdf/predatiekaart.pdf). Daardoor leent de kaart zich vooral voor beschouwing van meer grootschalige patronen. Op dit moment is nog onduidelijk hoe het gemiddelde predatieverlies in het jaar 2000 zich verhoudt tot andere jaren. Verliezen door predatie kunnen verschillen van jaar op jaar . Eerder onderzoek heeft laten zien dat over de periode 1996-1999 het jaarlijkse predatieverlies bij kievitlegsels kan variëren tussen ruim 15% en 40%.
4.4 Regressiemodellen
De soorten kemphaan, watersnip en zomertaling komen in relatief weinig kilometerhokken voor. Voor deze soorten moeten regressie resultaten voorzichtig geïnterpreteerd worden. Voor de soorten gele kwikstaart, graspieper, kievit, scholekster en veldleeuwerik zijn weinig tellingen beschikbaar. Voor deze soorten, en voor de kemphaan, watersnip en zomertaling, komt alleen een logistische regressie op aan/afwezigheids gegevens in aanmerking. Daarbij worden de positieve tellingen vervangen door een 1 (aanwezigheid).
Stap 1. Minimale modellen met habitatvariabelen
Per soort is getoetst of alle habitat variabelen relevant zijn waarbij uitgegaan is van een additief model zonder interacties. Voor het model met de variabelen voor bodem, grondgebruik, grondwatertrap, sloten, openheid landschap en verstoring, is telkens één variabele of groep van variabelen weggelaten en is getoetst of dit een slechter model oplevert. Daarvoor is de likelihood ratio toets gebruik. Onder de nulhypothese volgt deze een Chi-kwadraat verdeling.
Stap 2. Gebruik van HSI-inschattingen voor bodem, grondgebruik en grondwatertrap
In de tweede stap is nagegaan of in het model uit stap 1, bij de factoren bodem, grondgebruik of grondwatertrap gebruik gemaakt kan worden van de inschattingen uit de HSI-modellen (bijlage 3). De expertinschattingen worden gebruikt om voor elke factor een kwaliteitsindicatie te geven per km-hok. Dit resulteert in één waarde per km-hok tussen 0 en 1 voor de desbetreffende factor, die gezien kan worden als een continue variabele. Het aantal variabelen wordt hierdoor kleiner. Het HSI-model wordt als het ware gebruikt om continue variabelen te maken van de factoren bodem, grondgebruik en grondwatertrap.
Stap 3. Toetsing van interacties met de factor bodem
De inschatting is dat de factor bodem zeer bepalend is voor de verspreiding van weidevogels. Er is getoetst of interacties tussen enerzijds bodem en anderzijds grondgebruik, grondwatertrap, sloten, openheid landschap en verstoring een verbetering geeft van het additieve model uit stap 1. De interacties met de factor bodem zijn ook op een tweede manier getoetst. Hierbij is een model opgesteld waarbij de factor bodem een interactie kent met alle andere factoren. Vervolgens wordt getoetst in hoeverre het weglaten van één van de factoren uit het model een slechter model levert.
Stap 4. Toevoegen van beheer en maaidatum aan basismodel
Aan het basismodel zonder interactie en het basismodel met interactie wordt eerst de variabelen die het type beheer beschrijven toegevoegd en vervolgens de variabelen die de maaidata beschrijven. Nagegaan wordt of dit betere modellen levert. Hierbij is, op vergelijkbare wijze als in stap 2, gebruik gemaakt van de HSI-inschattingen.
Stap 5. Toevoegen van predatie aan basismodel
In de laatste stap wordt getoetst of de predatie de verspreidingpatronen van weidevogels beïnvloedt.
4.5 Resultaten
Bij de beschrijving van de regressiemodellen worden afkortingen gebruik voor de verschillende factoren (predictoren). In tabel 7 wordt een overzicht gegeven van deze afkortingen.
Tabel 7 Afkortingen die gebruikt worden in de beschrijving van regressiemodellen (zie par. 4.3)
Afkorting Omschrijving LGN grondgebruik FGR bodem GT grondwatertrap WATER sloten OPENH openheid VERSTOR verstoring BEHEER type weidevogelbeheer
MAAI maaibeheer bij particulier beheer PREDATIE predatie
…HSI gebruik van HSI-inschattingen voor betreffende factor (§ 4.4 stap 2)
4.5.1 Minimale modellen met habitatvariabelen
De toetsingsgrootheden (Chi-kwadraat) en de bijbehorende p-waarden zijn gegeven in tabel 8. Bij de variabelen zijn het aantal graden van vrijheid van de Chi-kwadraat toetsingsgrootheid vermeld. Nagenoeg alle variabelen zijn significant. Verstoring is voor 7 soorten niet significant. Voor de weinig voorkomende soorten kemphaan en watersnip zijn meerdere variabelen niet significant.
Planbureaurapporten 24 26
Tabel 8 Significantie van verschillende variabele in de modellen voor alle soorten zonder interactie. De toetsingsgrootheden (Chi-kwadraat) en de bijbehorende p-waarden zijn gegeven.
Soort − FGR 7 df − LGN 5 df − GT 5 df − WATER 2 df − OPENH 1 df − VERSTOR 1 df Grutto 131 (0.000) 964 (0.000) 70 (0.000) 51 (0.000) 105 (0.000) 0 (0.696) Kemphaan 11 (0.153) 20 (0.001) 3 (0.633) 3 (0.226) 23 (0.000) 0 (0.639) Kievit 64 (0.000) 730 (0.000) 46 (0.000) 28 (0.000) 44 (0.000) 6 (0.012) Scholekster 358 (0.000) 581 (0.000) 71 (0.000) 102 (0.000) 112 (0.000) 8 (0.005) Tureluur 510 (0.000) 547 (0.000) 74 (0.000) 110 (0.000) 108 (0.000) 0 (0.730) Watersnip 33 (0.000) 80 (0.000) 5 (0.379) 19 (0.000) 12 (0.001) 10 (0.002) Wulp 912 (0.000) 353 (0.000) 70 (0.000) 94 (0.000) 17 (0.000) 49 (0.000) Gele kwikstaart 188 (0.000) 1049 (0.000) 41 (0.000) 55 (0.000) 87 (0.000) 2 (0.176) Graspieper 210 (0.000) 409 (0.000) 15 (0.012) 26 (0.000) 144 (0.000) 14 (0.000) Veldleeuwerik 192 (0.000) 963 (0.000) 79 (0.000) 37 (0.000) 85 (0.000) 31 (0.000) Kuifeend 643 (0.000) 45 (0.000) 36 (0.000) 354 (0.000) 10 (0.002) 0 (0.575) Slobeend 251 (0.000) 112 (0.000) 68 (0.000) 174 (0.000) 26 (0.000) 6 (0.015) Zomertaling 33 (0.000) 67 (0.000) 23 (0.000) 48 (0.000) 5 (0.023) 0 (0.699)
4.5.2 Gebruik van HSI-inschattingen voor bodem, grondgebruik en
grondwatertrap
Het gebruik van HSI inschatting levert geen beter model (tabel 9). Slechts voor de grutto kan LGN vervangen worden door LGNHSI én tevens GT door GTHSI. De geschiktheidindices kunnen, in de logistische regressie, niet gebruikt worden om groepen van habitat variabelen samen te vatten. Voor kemphaan en watersnip levert de extra toevoeging van de variabele GT ook geen significante verbetering, maar het gebruik van de variabele GTHSI is ook niet significant.
Tabel 9 Significantie van verschillende samengevoegde variabelen in de modellen zonder interactie. Soort + FGRHSI 1 df + FGR 6 df + LGNHSI 1 df + LGN 4 df + GTHSI 1 df + GT 4 df Grutto 77 (0.000) 54 (0.000) 962 (0.000) 2 (0.791) 60 (0.000) 9 (0.051) Kemphaan 5 (0.027) 6 (0.443) 9 (0.002) 11 (0.030) 0 (0.717) 3 (0.503) Kievit 0 (0.963) 64 (0.000) 713 (0.000) 17 (0.002) 27 (0.000) 19 (0.001) Scholekster 37 (0.000) 321 (0.000) 434 (0.000) 147 (0.000) 0 (0.642) 70 (0.000) Tureluur 274 (0.000) 236 (0.000) 521 (0.000) 26 (0.000) 34 (0.000) 39 (0.000) Watersnip 12 (0.001) 21 (0.002) 31 (0.000) 49 (0.000) 1 (0.402) 5 (0.323) Wulp 780 (0.000) 133 (0.000) 188 (0.000) 165 (0.000) 0 (0.807) 71 (0.000) Gele kwikstaart 112 (0.000) 76 (0.000) 513 (0.000) 536 (0.000) 3 (0.063) 38 (0.000) Graspieper 125 (0.000) 86 (0.000) 5 (0.021) 405 (0.000) 1 (0.448) 15 (0.005) Veldleeuwerik 11 (0.001) 181 (0.000) 165 (0.000) 798 (0.000) 4 (0.050) 75 (0.000) Kuifeend 417 (0.000) 226 (0.000) 7 (0.009) 38 (0.000) 0 (0.535) 36 (0.000) Slobeend 5 (0.023) 246 (0.000) 28 (0.000) 84 (0.000) 11 (0.001) 57 (0.000) Zomertaling 2 (0.200) 32 (0.000) 21 (0.000) 46 (0.000) 9 (0.003) 15 (0.005)
4.5.3 Toetsing van interacties met de factor bodem
Interacties met LGN, GT en WATER zijn steeds significant, met uitzondering van de weinig voorkomende soorten kemphaan en zomertaling( tabel 10). De interacties FGR.OPENH en FGR.VERSTOR zijn niet voor alle soorten van belang.
Tabel 10 Significantie van interactie tussen FGR en andere variabelen bij toevoeging van deze interactie aan het basismodel (§4.5.1). De toetsingsgrootheden (Chi-kwadraat) en de bijbehorende p-waarden zijn gegeven.
Soort + FGR.LGN 26 df + FGR.GT 32 df + FGR.WATER 14 df + FGR.OPENH 7 df + FGR.VERSTOR 6 df Grutto 160 (0.000) 99 (0.000) 111 (0.000) 22 (0.002) 19 (0.005) Kemphaan 27 (0.405) 32 (0.454) 9 (0.838) 7 (0.456) 3 (0.857) Kievit 112 (0.000) 64 (0.001) 50 (0.000) 20 (0.005) 2 (0.959) Scholekster 92 (0.000) 82 (0.000) 93 (0.000) 46 (0.000) 20 (0.003) Tureluur 105 (0.000) 136 (0.000) 142 (0.000) 25 (0.001) 9 (0.194) Watersnip 73 (0.000) 105 (0.000) 27 (0.018) 5 (0.662) 2 (0.953) Wulp 190 (0.000) 117 (0.000) 136 (0.000) 18 (0.011) 13 (0.038) Gele kwikstaart 58 (0.000) 66 (0.000) 42 (0.000) 37 (0.000) 10 (0.132) Graspieper 90 (0.000) 143 (0.000) 116 (0.000) 25 (0.001) 7 (0.282) Veldleeuwerik 240 (0.000) 112 (0.000) 37 (0.001) 44 (0.000) 14 (0.026) Kuifeend 86 (0.000) 133 (0.000) 325 (0.000) 19 (0.007) 20 (0.003) Slobeend 66 (0.000) 93 (0.000) 99 (0.000) 7 (0.476) 12 (0.070) Zomertaling 30 (0.273) 40 (0.154) 28 (0.016) 3 (0.875) 16 (0.015)
Er is tevens een model opgesteld waarbij FGR een interactie kent met alle andere variabelen. Vervolgens wordt één van de interacties weggelaten. Voor de veel voorkomende soorten zijn de interacties met LGN, GT en WATER nog steeds significant. In tabel 11 staan weer de Chi-kwadraat toetsingsgrootheden en p-waarden voor elk van de interacties.
Tabel 11 Significantie van interactie tussen FGR en andere variabelen, wanneer interactie wordt weggelaten uit nieuw basismodel. In het nieuwe basismodel hebben alle variabelen hebben een interactie met FGR. De toetsingsgrootheden (Chi-kwadraat) en de bijbehorende p-waarden zijn gegeven. Soort − FGR.LGN 25 df − FGR.GT 31 df − FGR.WATER 13 df − FGR.OPENH 6 df − FGR.VERSTOR 6 df Grutto 81 (0.000) 45 (0.055) 66 (0.000) 13 (0.036) 5 (0.502) Kemphaan 19 (0.816) 20 (0.940) 7 (0.912) 2 (0.892) 11 (0.084) Kievit 75 (0.000) 53 (0.009) 32 (0.002) 4 (0.669) 8 (0.217) Scholekster 54 (0.001) 63 (0.001) 96 (0.000) 30 (0.000) 24 (0.000) Tureluur 31 (0.180) 71 (0.000) 58 (0.000) 4 (0.651) 8 (0.247) Watersnip 25 (0.473) 63 (0.001) 8 (0.852) 1 (0.982) 3 (0.862) Wulp 83 (0.000) 74 (0.000) 58 (0.000) 7 (0.348) 27 (0.000) Gele kwikstaart 46 (0.007) 58 (0.002) 35 (0.001) 9 (0.176) 27 (0.000) Graspieper 36 (0.078) 60 (0.001) 48 (0.000) 5 (0.560) 17 (0.008) Veldleeuwerik 236 (0.000) 86 (0.000) 46 (0.000) 17 (0.011) 13 (0.047) Kuifeend 40 (0.032) 46 (0.038) 199 (0.000) 18 (0.007) 14 (0.033) Slobeend 46 (0.006) 99 (0.000) 75 (0.000) 10 (0.132) 12 (0.064) Zomertaling 32 (0.157) 42 (0.092) 23 (0.038) 14 (0.036) 6 (0.444)
Planbureaurapporten 24 28
4.5.4 Toevoegen van beheer aan basismodel
Beheer is aan het basismodel met en het basismodel zonder interactie toegevoegd. Voor beide basismodellen worden vergelijkbare resultaten gevonden. Alleen de resultaten van het basismodel met interactie zullen besproken worden. Voor de kievit en wulp zijn er geen aanwijzingen voor een relatie met de factor beheer (tabel 12). Voor de graspieper, scholekster en zomertaling is er een lichte aanwijzing. Voor de grutto, kemphaan, tureluur, watersnip, gele kwikstaart, veldleeuwerik, kuifeend en slobeend is er een significante relatie tussen de factor beheer en de kans op aanwezigheid (tabel 12). Voor de kemphaan en veldleeuwerik kunnen de HSI-inschattingen gebruikt worden om de verschillende vormen van beheer samen te vatten. Significante coëfficiënten zijn steeds positief, met uitzondering van een negatieve coëfficiënt voor scholekster (bijlage 3). Voor 9 van de 13 weidevogelsoorten heeft de aanwezigheid van weidevogelbeheer door terreinbeherende organisaties een significant positief effect op de presentie.
Tabel 12 Significantie van toevoegen van de variabele ‘beheer’’ aan het basismodel zonder interactie en het basismodel met interactie. De toetsingsgrootheden (Chi-kwadraat) en de bijbehorende p-waarden zijn gegeven. De kolom met BEHEERTOT geeft de resultaten voor de niet voor BEHEERHSI gecorrigeerde toets op BEHEER.
Additief Basismodel Basismodel met interacties Soort + BEHEERHSI 1 df + BEHEER 3 df + BEHEERTOT 4 df + BEHEERHSI 1 df + BEHEER 3 df + BEHEERTOT 4 df Grutto 12 (0.001) 14 (0.003) 25 (0.000) 13 (0.000) 11 (0.010) 25 (0.000) Kemphaan 10 (0.001) 4 (0.233) 15 (0.005) 12 (0.000) 5 (0.184) 17 (0.002) Kievit 0 (0.992) 3 (0.335) 3 (0.494) 1 (0.452) 2 (0.604) 2 (0.659) Scholekster 0 (0.674) 12 (0.008) 12 (0.016) 0 (0.923) 9 (0.031) 9 (0.065) Tureluur 37 (0.000) 17 (0.001) 54 (0.000) 32 (0.000) 18 (0.000) 50 (0.000) Watersnip 13 (0.000) 11 (0.011) 24 (0.000) 13 (0.000) 11 (0.010) 24 (0.000) Wulp 4 (0.045) 1 (0.910) 5 (0.337) 2 (0.121) 2 (0.542) 5 (0.337) Gele kwikstaart 5 (0.032) 13 (0.005) 17 (0.002) 4 (0.040) 15 (0.002) 19 (0.001) Graspieper 5 (0.031) 6 (0.106) 11 (0.029) 3 (0.066) 6 (0.129) 9 (0.060) Veldleeuwerik 25 (0.000) 3 (0.409) 28 (0.000) 15 (0.000) 2 (0.546) 17 (0.002) Kuifeend 9 (0.003) 9 (0.030) 18 (0.001) 10 (0.002) 8 (0.051) 17 (0.002) Slobeend 87 (0.000) 14 (0.002) 101 (0.000) 68 (0.000) 24 (0.000) 92 (0.000) Zomertaling 4 (0.036) 5 (0.179) 9 (0.053) 3 (0.081) 6 (0.119) 9 (0.064)
4.5.5 Toevoegen van predatie aan basismodel
Voor de gele kwikstaart, scholekster, watersnip, wulp, veldleeuwerik en zomertaling levert het toevoegen van de predatie significant beter modellen (tabel 13). Enkel voor de veldleeuwerik is de regressiecoëfficiënt negatief. Het positieve effect van de andere soorten is merkwaardig.
Tabel 13 Significantie van toevoegen van de variabele ‘predatie’’ aan het basismodel met interactie. De toetsingsgrootheden (Chi-kwadraat) en de bijbehorende p-waarden zijn gegeven.
Soort + PREDATIE 1 df Schatting PREDATIE s.e. PREDATIE Grutto 3 (0.078) 0.3783 0.2146 Kemphaan 0 (0.824) -0.2220 0.9353 Kievit 2 (0.156) 0.4777 0.3342 Scholekster 4 (0.044) 0.5105 0.2533 Tureluur 0 (0.797) 0.0648 0.2169 Watersnip 6 (0.011) 1.0868 0.4322 Wulp 78 (0.000) 2.0142 0.2328 Gele kwikstaart 8 (0.004) 0.5157 0.1797 Graspieper 2 (0.148) -0.3094 0.2110 Veldleeuwerik 6 (0.016) -0.4527 0.1871 Kuifeend 1 (0.433) -0.1725 0.2081 Slobeend 4 (0.058) -0.4899 0.2591 Zomertaling 7 (0.008) 0.9751 0.3634
4.6 Conclusies
Voor de meeste soorten is de interactie tussen de factor bodem (FGR) en grondgebruik (LGN), grondwatertrap (GT) en sloten (WATER) relevant. Het interpreteren van deze interactie is niet eenvoudig. Zo is het mogelijk dat de interactie met name veroorzaakt door een interactie tussen bodem en het percentage gras en niet met het overige grondgebruik. Dit vergt echter een uitputtende modelselectie voor elke individuele soort, en deze is niet uitgevoerd. Interacties met openheid en verstoring zijn voor minder soorten relevant.
Het beste basismodel is het model met een interactie tussen de factor bodem en de factoren grondgebruik, grondwatertrap, dichtheid sloten. Daarnaast bevat het beste basismodel de factoren verstoring door wegen en openheid landschap, maar zonder interactie met de factor bodem. De kaartbeelden van het basismodel met interactie, zonder de factoren beheer en predatie leveren goede ruimtelijke patronen (bijlage 9). Deze modellen zijn toepasbaar op een schaalniveau van 1 x 1 kilometer.
De factor beheer levert voor de grutto, kemphaan, tureluur, watersnip, gele kwikstaart, veldleeuwerik, kuifeend en slobeend een significant beter model. Het toevoegen van de factor predatie leverde voor de gele kwikstaart, scholekster, watersnip, wulp, veldleeuwerik en zomertaling een significant beter model. De richting van de regressiecoëfficiënt komt echter niet overeen met de verwachting.
5
HSI-modellen
Veel bestaande habitatmodellen vallen onder de zogenaamde HSI-modellen (Habitat Suitability Index) en zijn onderdeel van de HEP-procedure (Habitat Evaluation Procedure, US Fish and Wildlife Service 1980). In Nederland zijn dit type modellen vooral ontwikkeld vanuit Rijkswaterstaat (Duel 1992, Duel et al. 1996). Voor het opstellen van een HSI-model wordt een overzicht gemaakt van de biotische en abiotische factoren die het voorkomen van een soort bepalen. De wijze waarop deze factoren in de modellen worden samengebracht varieert sterk. Sommige modellen (Laane 1996) zijn zeer eenvoudig van opzet, hebben een eenvoudig algoritme en zijn daardoor inzichtelijk. Andere modellen (bijv. Reading et al. 1996) hebben een complexer algoritme. HSI-modellen geven een globaal idee van de geschiktheid van een gebied als habitat voor een soort (figuur 1). De index ligt tussen 0 en 1 en geeft de ratio aan van de kwaliteit van het onderzochte gebied ten opzichte van een 'perfect' gebied. Het gebruik van HSI-modellen is algemeen geaccepteerd (Terell 1982, Duel et al. 1996, 1999). De uitkomsten van HSI-modellen kennen echter vaak een grote onzekerheid. Er zijn analyses die de beperkingen en onzekerheden van HSI-modellen aangeven (Bender et al. 1996). Het is dan ook van groot belang om na te gaan welke parameters gevoelig zijn in een HSI-model.
Figuur 1 Schematische weergave van het resultaat van een HSI-model. Hoe donkerder groen, hoe geschikter het leefgebied is voor een soort. Met ‘min’ word aangegeven dat per gebied nagegaan wordt wat de beperkende factor is voor het voorkomen van een soort en dat de index van deze factor de kwaliteit van het gebied bepaalt. Dit kan ook een gemiddelde zijn, een maximum of willekeurige functie die het best aansluit bij de kennis van de soort.
5.1 Opbouw HSI-model weidevogels
Het voorkomen van soorten wordt bepaald door verschillende factoren. Basisfactoren bepalen het voorkomen van soorten op hoofdlijnen en hebben betrekking op het klimaat, de structuur van het landschap en de abiotische gesteldheid. Kwaliteit- en drukfactoren geven aan in welke mate het leefgebied geschikt is.
In het HSI-model wordt de geschiktheid van een leefgebied bepaald door zeven factoren: 1. bodem 2. grondgebruik 3. grondwatertrappen beheer grondwater bodem landschap min
Planbureaurapporten 24 32 4. openheid landschap 5. sloten 6. beheer 7. verstoring
Beheer is opgesplitst in drie factoren: maaidatum, type beheer en graslanden in beheer van natuurbeherende organisaties. Voor de weidevogels wordt per gridcel aangegeven welke factor het meest gunstig is voor het voorkomen van een soort. De index van deze factor bepaalt vervolgens de kwaliteit van het gebied.
Verstoring is opgebouwd uit twee typen verstoring: verstoring door infrastructuur en verstoring door elementen als opgaande begroeiing, huizen, windmolens ect. Voor de weidevogels is nagegaan in hoeverre de kwaliteit van het leefgebied in een willekeurige gridcel achteruitgaat door verstoring.
Voor de weidevogels is nagegaan in hoeverre een van de factoren beperkend is op de kwaliteit van het leefgebied. Met deze opzet wordt de kwaliteit van het leefgebied (in een willekeurige gridcel) bepaald door één of meerder beperkende factoren. In figuur 2 wordt schematisch weergegeven hoe de samenhang is tussen de verschillende factoren.
Voor elk van de factoren wordt zo veel mogelijk het bestand gebruikt wat ook gebruikt is voor de regressies (tabel 14). Alleen voor de factor verstoring is een andere kaart gebruikt. Voor elk bestand is nagegaan welke eenheden het voorkomen van de verschillende weidevogels bepalen. Zo zijn bijvoorbeeld de 39 klassen van het bestand LGN4 (tabel 14) teruggebracht naar 6 relevante klassen van grondgebruik: grasland, akker, kwelder, duin/heide/hoogveen, riet en overig. Deze 6 klassen zijn voldoende om de mate van geschiktheid voor de soorten aan te geven. Zie bijlage 1 voor een overzicht van alle bewerkingen van de invoerbestanden. Tabel 14 Overzicht van factoren en gebruikte bestanden. Voor de HSI-modellen worden de bestanden (indien nodig) omgezet tot gridbestanden van 250 x 250 meter.
Factor Bestand Inhoud
Grondgebruik LGN4 grondgebruik, 39 klassen Bodem FGR fysisch geografische regio's Grondwatertrap Bodemkaart grondwatertrappen
Sloten VIRIS-Top10 onderscheid drie klassen water: 0-3 meter breed, 3-6 meter breed en klein water Openheid landschap Kaart Maat van de ruimte 9 klassen, van open naar gesloten
landschappen VIRIS-Top10
(infrastructuur)
onderscheid 8 typen wegen en spoorwegen Verstoring
(overig) onderscheid 10-tallen verstorende elementen
BOTOP
(maaidatum en type beheer)
ligging van beheersovereenkomsten RBON per 31.12.00: er wordt onderscheid gemaakt in 5 perioden voor de vroegste maaidatum en beheer is opgesplitst in botanisch beheer, weidevogelbeheer en overig
Beheer
Bestand SBB met weidevogel gebieden
Combinatie eigendommen van terreinbeherende organisaties + bestand van LASER met SN - weidevogelbeheer
percelen met weidevogelbeheer die in bezit zijn van particuliere terreinbeherende organisaties (NM, SBB, Prov. Landschappen)
Figuur 2 Samenhang van de verschillende factoren in het HSI-model voor weidevogels. Met ‘min’ word aangegeven dat per gebied nagegaan wordt wat de beperkende factor is voor het voorkomen van een soort en dat de index van deze factor de kwaliteit (van het gebied) bepaalt. Met ‘max’ wordt aangegeven dat per gebied wordt aangegeven welke factor het meest gunstig is voor het voorkomen van een soort en dat de index van deze factor de kwaliteit bepaald.
5.2 Expert inschattingen
Om geschiktheidsindexen te bepalen, wordt gebruik gemaakt van expertinschattingen. Deze expertinschattingen zijn voor sommige soorten en factoren gebaseerd op literatuur en veldstudies. Voor andere soorten en factoren zijn de inschattingen veelal gebaseerd op eigen ervaringen en extrapolaties vanuit andere soorten.
5.2.1 Methode
De geschiktheidsindexen zijn door drie experts geschat: SOVON (o.a. Wolf Teunissen), Hans Schekkerman en Rien Reijnen. Om tot één index te komen worden drie stappen onderscheiden: onafhankelijke inschatting, onderling vergelijking en schalen geschiktheids-indexen. Bij de inschattingen hebben de expert een eigen klassenindeling gebruikt. SOVON hanteerde waarden van 0, 0.25, 0.5 of 1.0, Rien Reijnen hanteerde waarden van 0, 0.1, 0.5 of 1.0 en Hans Schekkerman hanteerde waarden van 0, 0.1, 0.2, ..., 0.9 of 1.0. Dit verschil in klassenindelingen per expert kan gebruikt worden bij de opzet van de gevoeligheidsanalyse.
beheer verstoring sloten openheid grondwater bodem grond-gebruik natuurgras type beheer maaidatum max overige verstoring infra min min geschiktheid leefgebied
