Busk o Bryn_24aug11 - Metria

Identifiering och bedömning av 

värdefulla busk- och brynmiljöer 

vid landskapsplanering 

augusti 2011

Förord 2 

Sammanfattning 3 

Summary 3 

Inledning 4 

Bakgrund och syfte 4 

Mål och förväntade resultat 5 

Metodik och genomförandeprocess 6 

Valda studieområden 6 

Valda parametrar för värdefulla busk-/brynmiljöer 7 

Ingående delmoment i studien 9 

IRF-analys (Norrköpings kommun) 9 

Satellitdata-analys (Metria) 11 

Fältinventering av naturvärden 24 

Naturvärdesklassning med GIS-analys (Calluna) 29 

Resultat och diskussion 31 

Förekomst av busk/bryn hittas med satellitdata-analys (hypotes 1) 31 

Naturvärden i busk/bryn hittas med satellitdata-analys (hypotes 2) 33 

Satellitdata-analys - en arbetsmodell för biologisk infrastruktur (hypotes 3) 38 

Referenser 40 

© Calluna AB 2011 

Identifiering och bedömning av värdefulla busk- och brynmiljöer vid landskapsplanering, augusti 2011 

Callunas interna projektkod: ”HWN0003 Fjärranalys av busk och brynmiljöer 2010”. 

Kontakt för denna rapport: Karolina Nittérus tel. 0736-215553, 

E-post: karolina.nitterus@calluna.se 

1 

Busk- och brynmiljöer 2011

Förord 

Busk- och brynmiljöer 2011 

Detta är en slutrapport för projekt HWN0003 - Identifiering och bedömning av värdefulla 

busk- och brynmiljöer vid landskapsplanering 2010. Rapporten redovisar uppnådda 

resultat av projektets genomförda delmoment; satellitdata-analys, fältinventering samt 

GIS-analys med naturvärdesklassning m.m. 

Projektet som påbörjades 2009, är resultatet av ett samarbete mellan Calluna AB och 

Rymdstyrelsen, Metria, Norrköpings kommun samt länsstyrelsen i Östergötland. 

Projektet har finansierats av Rymdstyrelsen och övriga medverkande parter/ 

organisationer har medfinansierat projektet genom eget arbete/arbetsinsats. 

Projektets organisation: Karolina Nittérus (projektledare, rapport). Christoph Kircher 

(GIS-analyser, kartmaterial/underlag). I tillägg har följande personer bidragit med 

kompletterande uppgifter, idéer/uppslag, kommentarer och/eller textinnehåll till 

rapporten: Eva Ahlcrona, Sara Wiman och Anna Svanberg alla från Metria. Eva 

Siljeholm från Norrköpings kommun och Maria Taberman från Länsstyrelsen i 

Östergötland samt Mikael Hagström från Fennicus Natur. 

Arbetet ska citeras enligt följande: Nittérus K. & Kircher C. 2011. Identifiering och 

bedömning av värdefulla busk- och brynmiljöer vid landskapsplanering. Calluna AB, 

Linköping. I löpande text: (Nittérus & Kircher 2011). Copyright och medgivande att 

publicera bildmaterial i rapportens har erhållits från Metria. 

Kontaktperson för rapporten: Karolina Nittérus, karolina.nitterus@calluna.se, tel. 

0736-215553. 

2


Sammanfattning 

Internationell forskning har påvisat värdet av busk- och brynmiljöer för den biologiska mångfalden 

främst i öppna, mosaikartade landskap. Denna habitattyp påverkas starkt av modern 

markanvändning och det är därför av stor vikt att övervaka denna miljö innan den helt har 

försvunnit. Ett problem med övervakning av busk- och brynmiljöer är att de är både små, 

svåravgränsade och finns spridda över stora landskapsavsnitt, vilket gör dem både svåra att 

upptäcka, identifiera och kostnadskrävande att inventera. En idé som föreslagits för att minimera 

fältinsatsen är att använda satellitdata för att snabbare kunna identifiera och grov-klassificera viktiga 

busk- och brynmiljöer och fånga upp deras art-/biotopvariationer redan på planeringsstadiet. Det 

övergripande syftet med den här studien var därför att undersöka om det är möjligt att identifiera 

och klassificera träd- och buskmiljöer med hjälp av satellitdata. Målet var att ta fram en arbetsmodell 

för identifikation av områden samt om möjligt även för att klassificera (naturvärdesbedöma) dessa 

områden. En lista på viktiga miljökriterier togs fram för att kunna identifiera busk- och 

brynområden, vilken utgjorde ett underlag i satellitdata-analysen. Framtagen metodik testades 

därefter i två områden i Östergötland - Hålaveden och Vikbolandet. Resultaten av analysen 

jämfördes sedan med flygbildstolkning samt med naturvärdesbedömningar gjorda i fält. Resultatet 

visade att satellitdata-analys tycks identifiera fler små områden med något annorlunda spatial 

fördelning i landskapet jämfört med traditionell flygbildstolkning, vilket indikerar att metoden 

fungerar men bör kompletteras med flygbildstolkning. Frågan om det går att naturvärdesklassificera 

områden med hjälp av satellitdata-analys bör dock utredas vidare eftersom resultaten från analysen 

är svårtolkade då utgångspunkten för fältbedömningarna beror främst på inventerarnas personliga 

uppfattning/upplevelse i fält. Slutsatsen är att satellitdata-analys kan fungera som ett komplement/ 

tillägg till flygbildstolkning för att att identifiera busk- och brynmiljöer och för att se deras spatiala 

fördelning inom begränsade landskapsavsnitt. Bedömningar av befintliga naturvärden bör dock 

fortsatt verifieras genom faktiska fältbesök. 

Summary 

International research has shown the importance of shrub- and bush habitats for the overall 

biodiversity in open mosaic landscapes. This type of habitat is strongly affected by modern land-use; 

hence it is important with monitoring of this environment before it is completely lost. One problem 

with monitoring of shrub- and bush vegetation is that this type of habitat is both scarce, limited and 

spread over vast areas, which makes it difficult to recognize, identify and costly to monitor. A 

proposed idea, to minimize field costs is to use satellite data for identification and classification of 

important shrub- and bush environments and its biodiversity values. Consequently, one of the main 

purposes with this study was to examine the possibility to identify and classify shrub- and bush 

areas by use of satellite data. The main project goal was to develop a working model for 

identification of shrub- and bush areas and if possible, to classify their biodiversity values. For this 

purpose, a list of important environmental criteria defining shrub- and bush vegetation was 

developed which was incorporated in the satellite data-analysis. Subsequently, the developed 

method was tested in two areas in the County of Östergötland - Hålaveden and Vikbolandet. 

Moreover, the results of the analysis were compared with aerial photo interpretation and data from 

field-visits. The results showed that satellite data-analysis was able to identify several small areas 

with a somewhat different spatial distribution, compared to aerial photo interpretation. This 

indicates that satellite data-analysis works methodologically, but should be combined with aerial 

photo interpretation as well. Whether it is possible to classify biodiversity values in shrub- and bush 

habitats by use of satellite data-analysis needs further investigation due to interpretational 

difficulties as a cause of biased field data. To conclude; identification and examination of spatial 

distribution of shrub- and bush vegetation by the use of satellite data-analysis is a functional 

complement/supplement compared with interpretation of aerial photos. Henceforth however, 

classification and verification of biodiversity values in shrub- and bush habitats should be verified by 

field visits. 

3

Inledning 

Bakgrund och syfte 

Biologisk mångfald 

Busk- och brynmiljöer är viktiga för den biologiska mångfalden i odlingslandskapet 

och det finns ett antal studier från bland annat Storbritannien och Tyskland som 

styrker dessa miljöers värde för artbevarande (Barr m.fl. 2005; Bulman 2007). Vidare 

utgör bryn viktiga landskapslinjer där spridning och rörelser av arter är en viktig 

funktion (Rackham 2000; Baudry & Bunce 2001; Davies & Pullin 2006). En annan 

utmärkande egenskap i bryn är att de i solbelysta lägen har ett varmt klimat vilket 

gynnar insektsfaunan (Dover & Sparks 2000; Appelqvist m.fl. 2001) och därmed också 

blir viktiga födohabitat för fåglar (Fuller & Moreton 1987; Snow & Snow 1988; Bijlsma 

2008). Generellt sett har varierade mosaikartade bryn högre värde än ensartade och 

variationen regleras både av artsammansättningen av buskar och träd samt av brynens 

struktur och form i bredd och höjdled (Forman & Baudry 1984; Hopkins 1996; Hinsley 

& Bellamy 2000; Vera 2000). 

Ö v e r va k n i n g av m o s a i k a r t a d e l a n d s k a p 


I exempelvis England följer man upp busk- och häckmiljöer på ett kvantitativt sätt som 

en del av miljöövervakningen (Rackham 2000; DEFRA 2007). Något liknande saknas i 

Sverige även om en del uppföljning görs av buskar i hagmarker (Jordbruksverket 

2010). Betydelsen av buskar och bryn har hittills förts ur ett mer teoretiskt resonemang 

vilket gör det svårt att identifiera, kvantifiera och bedöma dessa miljöer i fält. 

Situationen håller dock på att ändras. Norrköpings kommun har i ett projekt bedrivit 

ett arbete med att utveckla en metod för att i fält kartera och naturvärdesbedöma busk- 

och brynmiljöer (Hagström m.fl. 2010). Det arbetet har skett på Vikbolandet vars 

mosaiklandskap lämpar sig för denna typ av studier (Norrköpings kommun 2010). För 

att kunna använda klassificeringen av busk- och brynmiljöer vid exempelvis 

landskapsplanering behövs dock redskap för att kunna detektera större 

landskapsutsnitt till rimliga kostnader och arbetsinsatser. Här kan satellitdata vara av 

stort intresse. Odlingslandskap är ofta mosaikartade i sin sammansättning där åkrar 

och hagmarker är primära beståndsdelar men där småmiljöer som buskar, bryn, 

småvatten, stengärden, åkerholmar, skiftningar i vegetation o.s.v. tillsammans utgör 

grunden för biologisk mångfald (Baudry & Bunce 2001; Barr m.fl. 2005). För att 

identifiera biologiskt rika landskap och miljöer i odlingslandskapet behöver man ha 

detta helhetsperspektiv med sig men det är inget som hanteras på ett systematiskt sätt 

idag. I Östergötland pågår för närvarande ett förankringsarbete med att utöka 

biosfärområdet Östra Vätterbranten till att även omfatta delar av länet och inte bara 

Jönköpings län. Detta område är en gammal gränsbygd som kallas Hålaveden och som 

särskilt utmärker sig vad gäller odlingslandskapets mångfacetterade sammansättning 

av både hagar, små åkrar, åkerelement (stenmurar, odlingsrösen, åkerholmar etc) och 

dessutom en rad småmiljöer där särskilt busk- och brynmiljöer är viktiga. I detta 

område skulle en analys av buskar och bryn bidra till att avgränsa och åtgärdsplanera 

det kommande biosfärområdet. 

4

Miljöstöd 

Slutligen har bryn och buskmiljöer rönt stort naturvårdsintresse efter Sveriges inträde i 

EU. Det har att göra med kraven för miljöstöd som inte tillåter särskilt mycket buskar 

och träd i hagmarker eller åkerelement (Jordbruksverket 2000). Kraven för miljöstöd 

har dessutom skärpts den senaste tiden vilket aktualiserat behovet av att bryn och 

buskmiljöer i odlingslandskapet bevaras (Mortimer m.fl. 2000; Axelsson Linkowski & 

Svensson 2009). En viktig förutsättning är dock att miljöer som är av betydelse för 

biologisk mångfald kan detekteras. Metoder för naturvärdesbedömning av bryn, träd- 

och buskmiljöer i odlingslandskapet baseras på bedömningen av brynens bredd i 

kombination med variation och mångformigheten av träd- och buskar. Informationen 

hämtas vanligen från flygbilder och kombineras med fältbesök. Brynens struktur och 

bredd går att kartera från flygbilder medan ingående arter som är relevanta i 

bedömningen karteras i fält. Variationen mellan olika träd- och buskarter är som störst 

på våren på grund av skillnader i fenologi (lövsprickning och blomningstid) för att 

senare under växtsäsongen blir mer lika varandra. Flygbilder är i de flesta fall tagna 

före lövsprickning eller under högsommar och därför ofta svåranvändbara för att skilja 

arter åt. 

A n v ä n d n i n g av s a t e l l i t d a t a 

Satellitdata har en potential att fånga upp art-/biotopvariationer genom att det är 

möjligt att beställa bilder från en tid på säsongen när variationen är som störst. 

Eftersom det finns en stor mängd bilder i arkiv finns också möjligheten att använda 

bilder från olika tider av säsongen för att analysera och använda fenologiska skillnader 

för analys av arter och biotoper. Calluna AB har tidigare använt en satellitdata-analys 

som just baserades på fenologiska skillnader för att kartera olika strandbiotoper 

(Koffman & Lundkvist 2009). Karteringen gjordes av Metria och fokuserade på öppna 

miljöer men metoden visade sig användbar för att även skilja vassar med olika 

funktion åt. Det här projektet kommer att undersöka i vilken mån samma arbetsmetod 

är applicerbar på träd- och buskmiljöer och på så sätt kan bidra till att fältinsatsen kan 

minimeras inför landskapsanalyser. 

Mål och förväntade resultat 


En huvudmålsättning med projektet har varit att hitta en kostnadseffektiv metod för 

att identifiera busk- och brynmiljöer och ingående naturvärden. Mångformiga och 

skiktade bryn (med stor variation av ingående träd- och buskarter) är kända för att ha 

högre naturvärden än enskiktade, enkla bryn med t.ex. en skarp rak övergång mellan 

granskog och åker. Ett övergripande syfte med projektet har varit att utreda 

möjligheten att kunna använda satellitdata för att på landskapsnivå identifiera sådana 

komplexa busk- och brynmiljöer och deras ingående strukturer och, om möjligt, kunna 

bedöma områdenas potential att hysa naturvärden utan förestående fältbesök. 

Satellitdata-analys har flera fördelar jämfört med att tolka och analysera infraröda 

flygbilder (IRF-analys). Dels är satellitdata ”färsk”, täcker stora arealer vid samma 

tidpunkt, kan fås ofta, har mer spektral info och kan i flera fall erhållas till en relativt 

låg kostnad. Dels görs satellitdata-analyser mer homogent och snabbare med hjälp av 

dator och man kan därigenom snabba upp processen avsevärt. 

5

Projektet kan summeras i följande tre huvudhypotser: 

1. Det är möjligt att hitta/identifiera busk- och brynmiljöer genom satellitdataanalys 

(Very High Resolution data, VHR och High Resolution data, HR). 

2. Det är möjligt att identifiera ingående naturvärde (baserat på 

naturvärdesklassning som utgår från t.ex. element, struktur, flikighet, 

riktning, arter m.m.) i busk- och bryn och åkerholmar mellan olika ägoslag 

med hjälp av satellitdata-analys. 

3. Det är möjligt att ta fram (och utvärdera) en övergripande arbetsmodell för 

att identifiera, analysera och bearbeta biologisk infrastruktur på 

landskapsnivå med hjälp av satellitdata-analys i andra liknande projekt i 

framtiden. 

Metodik och genomförandeprocess 

Valda studieområden 


Två områden i Östergötland valdes ut som studieområden (Figur 1). Det första, 

Vikbolandet är ett ca 5 x 5 km stort område som domineras av jordbruksmarker inom 

Norrköpings kommun (Figur 2). 

Det andra området, Hålaveden är ett mosaikartat område intill Vättern i sydvästra 

Östergötland. I Hålaveden pågår diskussioner mellan flera olika parter om att delar av 

Ödeshög ska ingå i biosfärområdet Östra Vätterbranten. 

På grund av problem med att få till en molnfri dag för inhämtning av högupplöst 

satellitdata över Hålaveden så har analysresultat för Hålaveden ej tagits med i den 

övergripande modellutvärderingen inom det här projektet. De följande analyserna 

(förutom Metrias satellitdata-analys) samt metodutvärdering grundar sig därför endast 

på analysresultat från Vikbolandet. 

Figur 1. De valda studieområdena, Hålaveden och Vikbolandet. Satellitbilderna är från SPOT. 

6

0 0,5 

km 

1 

Figur 2. Detaljvy över studieområdet Vikbolandet. 

Inventeringsområde Vikbolandet 

Valda parametrar för värdefulla busk-/brynmiljöer 


Valda kriterier/parametrar för att definiera och identifiera värdefulla busk- och bryn i 

landskapet togs fram vid en gemensam workshop 2010-03-04 mellan projektets 

deltagande användare (Norrköpings kommun, länsstyrelsen i Östergötland, Metria 

7

samt Calluna AB). Arbetet med att identifiera viktiga parametrar för busk- och 

brynmiljöer resulterade i en parameterlista på runt fyrtiotalet punkter som efter 

workshopen kortades ned till 13 punkter baserat på ekologiskt motiv, tillgänglighet, 

användbarhet m.m. (Tabell 1). 

Tabell 1. Valda parametrar (och källa) för identifikation av värdefulla busk- och brynmiljöer. 

Parameter Fråga Metod/källa Ekologiskt motiv 

1. Area/storlek 

2. Busk-/bryntyp 

3. Vattendrag/ 

VMI 

4. Kraftledning 

5. Grusväg, 

traktorväg m.m. 

6. Gamla träd/ 

hålträd 

7. Söderläge 

8. Skogsbete 

9. Åkerholme 

10. Flikighet 

11. Antal arter 

12. Avstånd till 

andra ägoslag 

(lövskog, 

skogsbete, bete) 

Är området stort 

eller litet? 

Löv, barr eller 

blandat? 

Finns värdefulla 

vattendrag/ 

våtmarker i 

området? 

Finns kraftledningsgator 

i 

området? 

Finns enklare 

grus/traktorvägar 

i området? 

Finns gamla träd 

i området? 

Ligger busk- och 

bryn i söderläge? 

Finns skogsbeten 

i området? 

Finns åkerholmar 

i området? 

Är området rakt 

eller flikigt? 

Hur många arter 

finns i området? 

Ligger området i 

en variabel miljö 

med andra 

ögoslag i nära 

anslutning? 

Area beräknas med 

ArcGIS 

Skogsstyrelsen 

(Nyckelbiotoper, 

urval löv) 

Lst vattendrag/VMI, 

Våtmarksinventering 

Lst 

Vektorkarta 

Norrköping kn 

Vektorkarta, 

Norrköping kn 

Lst trädinventering 

Metrias satellitdataanalys 

(analys av 

söderbryn) 

TUVA 

Metrias satellitdataanalys 

(analys av 

åkerholmar i 

blockdatabas) 

Metrias satellitdataanalys(flikighetsanalys, 

SPOT-data, 

Wiman 2010) 

Naturvärdesbedömningar, 

Norrköpings kn samt 

Calluna 

Lst och 

Skogsstyrelsen 

8 


Områden med en diameter ≤60 m är påverkade av 

kanteffekter medan större områden har mindre kanteffekter. 

Maxavstånd till öppen mark vid brynet sätts till 10 m pga 

effekter på mikroklimat mm som avtar med avstånd från 

brynet. Maxbredd sätts till 30m. Om brynet övergår i en 

lövskog avtar dess effekt som bryn en bit in i skogen. Med 

en 10 m bred öppen remsa utanför enligt ovan, kan brynet 

som mest sträcka sig en trädlängd (ca 20 m) in i 

angränsande skog. 

Bryn med hög lövandel har högre biologiska värden än 

rena barrbestånd. Avgränsas till marker med minst 5 

procent buskar på torr eller frisk mark och ska innehålla 

minst 25 procent löv i linje mellan öppen mark och skog 

(bryn som består till 75 procent av barr. tas bort). 

Kantzoner/bryn till sjöar, vattendrag och våtmarker inom 

10 m är kända för att vara lövrika och biologiskt 

intressanta/värdefulla 

Ekologiskt mycket intressanta då de hålls kontinuerligt 

öppna. Kan fungera som bryggor mellan odlingsmarker då 

de skär genom skogsmark eller olika ägoslag. 

Se ovan, samma motiv som för kraftledningsgator 

Ekologiskt mycket intressanta artrika närmiljöer som ofta 

hålls öppna via kontinuerligt beteshävd o/e slåtter. 

Bryn i söderläge anses vara artrikare än t.ex. norrbryn. 

Skogsbeten har ofta välutvecklat mark- och buskskikt med 

höga biologiska värden. 

Åkerholmar biologiskt intressanta refugier som lämnats 

orörda i det brukade landskapet. Maxarealen på en 

åkerholme sätts till ca 0,5 ha (om området är >0,5 ha så tas 

endast busk-/brynzonen på åkerholmen med i analysen). 

Flikiga bryn har högre biologisk mångfald och är mer 

mångformiga/mosaikartade jämfört med raka ensartade 

bryn. Minsta detektionsgräns för flikighet är 100 m långa 

och 20 m breda bryn (motsv. 0,2 ha). 

Vilka arter ingår av träd, buskar och andra arter. Hög 

biodiversitet/mångformighet i träd- och buskskikt skapar 

höga brynvärden. 

Hur ser omgivningarna ut? Bryn som vätter till flera olika 

ägoslag som tex lövskog, betes/-slåttermark, öppna 

gräsmarker mm antas hysa högre värden än marker som 

omges av samma ägoslag? Maxavstånd till annan mark från 

brynet sätts till 10 m eftersom vindskydd, mikroklimat mm 

påverkas med ökat avstånd.

13. Natura 2000 

och andra 

skyddade 

områden 

Ligger området i 

ett skyddat 

område 

Lst 

Ingående delmoment i studien 

Skyddade områden sköts vanligen med noggrann 

beteshävd och har ofta välutvecklade naturvärden i trädoch 

buskskikt och är sannolikt artrika. 

Följande delmoment har ingått i studien för att svara på de tre huvudhypoteserna som 

rör satellitdata-analysen och den slutliga utvärderingen av arbetsmodellen 

(landskapsanalysen). 

1. Jämförelse av resultat från satellitdata-analys och IRF-analys (infraröda 

flygbilder) för att undersöka hypotes 1 (om det är möjligt att hitta/identifiera 

busk-och brynmiljöer med hjälp av satellitdata-analys). 

• Underlag och metod: resultaten från 56 busk- och brynområden 

identifierade med hjälp av satellitdata-analys (utförare: Metria) 

jämfördes med resultaten från 96 busk- och brynområden identifierade 

med IRF-analys (utförare: Norrköpings kommun). Resultaten 

kontrollerades mot fältdata för att verifiera att det identifierade objektet 

var ett bryn. 

2. Jämförelse av naturvärdesbedömning i fält (2009 & 2011) med satellitdataanalys 

och IRF-analys för att undersöka hypotes 2, om det är möjligt att hitta 

naturvärden i busk- och brynmiljöer med hjälp av satellitdata-analys. 

Kontrollerades genom inventering i fält av förekommande naturvärden i 67 

områden på Vikbolandet samt genom en GIS-analys av naturvärdet 

(naturvärdesklassning) i ytterligare områden. 

• Underlag och metod: Inventeringsresultat från 2009 (47 områden från 

IRF-analys) jämfördes med fältresultat från 2011 (22 områden från IRFanalys/satellitdata-analys) 

samt med en naturvärdesklassning gjord via 

GIS-analys (baserad på underlag enligt parameterlistan, Tabell 1). 

Utvärdering av naturvärden i identifierade områden enligt GIS-analys 

jämfördes med faktiska naturvärden inventerade i fält 2009 och 2011. 

3. Utvärdering av resultaten för att undersöka hypotes 3, om det går att ta fram 

en enkel modell för hur man kan arbeta med att detektera biologisk 

infrastruktur på landskapsnivå. 

• Underlag och metod: utvärdering av resultaten från IRF-analys, 

satellitdata-analys samt fältbedömningar (2009 + 2011) inklusive GISanalys 

av naturvärden. Förslag ges på förändringar och tillägg. 

IRF-analys (Norrköpings kommun) 


Norrköpings kommun har i ett projekt arbetat med metodutveckling för att få fram en 

kostnadseffektiv inventerings-/bedömningsmetod för naturvärden i busk- och 

brynmiljöer (Hagström m.fl. 2010). Tanken har varit att kunna använda framtagen 

metodik för att klassificera värdefulla busk- och brynmiljöer i kommunens pågående 

landskapsplanering. Metoden innebär i korthet att IRF-bilder (=infraröda flygbilder) 

och kartbilder har studerats och tolkats av expertis varpå buskmiljöer av intresse har 

kunnat avgränsas och ritas in manuellt på en karta för att sedan i fält inventeras på 

ingående naturvärden (Hagström 2008). I tillägg till flygbildstolkningen har 

9


kartstudier av äldre material gjorts samt en genomgång av andra tillgängliga underlag 

över Vikbolandet, för att få en klar bild av var buskrika marker finns/har funnits 

historiskt. Målsättningen med arbetet var att få fram ett underlag för att identifiera och 

avgränsa värdefulla buskrika områden samt lövrika bryn med hjälp av 

flygbildstolkning och utvärdera/verifiera områdena med efterföljande fältbesök. Med 

hjälp av IRF-analysmetoden identifierades och avgränsades 96 st potentiellt värdefulla 

busk- och brynområden (Figur 3 samt Tabell 3) med en minimiarea på ≥ 0,2 ha på 

Vikbolandet (Hagström 2008). På grund av resurs- och tidsbrist valdes sedan ett 

mindre urval av dessa områden ut för fältbesök som genomfördes av Norrköpings 

kommun under 2009 (47 st) samt av Calluna under 2011 (11 st) (Figur 3, Tabell 3). 

0 0,5 

km 

1 

Figur 3. Busk- och brynmiljöer, Vikbolandet (96 st) som identifierades via flygbildstolkning och 

som sen ritades in på kartan för hand (Hagström 2009). 

10

Satellitdata-analys (Metria) 

Ö v e r g r i p a n d e u p p l ä g g o ch g e n o m f ö r a n d e 


En satellitdata-analys utfördes av Metria under 2010 i Vikbolandet och Hålaveden. 

Analysnoggrannheten utvärderades sedan mot IRF-analys och fältinventeringar i 

Vikbolandet. Därefter kunde en utvärdering ske av hur analysresultatet från 

landskapsmodellerna påverkas av vilket underlag som används. Över Vikbolandet 

blev det en molnfri mycket högupplöst bild (VHR-data WorldView 2) i maj 2010 men 

över Hålaveden blev det tyvärr ingen molnfri VHR satellit data, varför detta 

analysresultat ej togs med i modellutvärderingen. För att utröna om DMC flygortofoto 

kunde vara ett alternativ istället för mycket högupplöst data så testades detta för 

Vikbolandet. Metrias satellitdata-analys gjordes genom följande: 

• Klassning av bilddata (DMC flygortofoto, VHR-data WorldView 2, HR-data 

SPOT) i Vikbolandet för att avgränsa träd-/buskklädd mark och för att hitta 

lövrika brynmiljöer och åkerholmar. 

• Klassning av bilddata (HR, dvs SPOT) i Hålaveden för att hitta lövrika 

brynmiljöer. 

Bilddata 

Över undersökningsområdena fanns nedanstående HR (High Resolution) och VHR 

(Very High resolution) satellitdata att tillgå (Tabell 2 samt bild 4-7). 

Lite basfakta om bilddata: 

• SPOT. En scen täcker 60 x 60 km. SPOT-5 har 5 band och olika upplösning: 

pankromatiskt (grönt-rött, 5 m), grönt (10 m), rött (10 m), nära IR (10 m) och 

mellan IR (20 m). Skillnaden mot SPOT-5 är att SPOT-4 har 20 m upplösning i 

alla de multispektrala banden. 

• Landsat. En scen täcker 185x 185 km. Av landsat-satelliterna är det bara 

Landsat 5 (som sköts upp 1984) som fungerar. Den har 7 band med en 

upplösning på 30 m utom för det termiska bandet som har 120 m. Banden är 

blått, grönt, rött, nära IR, 2 mellan IR samt termisk IR 

• World-view 2. En scen täcker ca 16 x 16 km. För projektet beställdes ett mindre 

område för att hålla nere kostnader. Den har 5 band: pankromatiskt 0,5 m, blått 

2 m, grönt 2 m, rött 2 m och NIR 2 m. 

• DMC flygortofoto. Flygbilden över Vikbolandet är tagen på 4800 km höjd och 

upplösningen är då 2 meter för de multispektala banden (blå, grön, röd och 

NIR) och 0,5 meter för det pankromatiska (blått – NIR). DMC bilden är 

omgjord till ett ortofoto, vilket är det som oftast efterfrågas av användare. Man 

klipper då en eller flera ortokorrigerade flygbilder över bestämda 5 x 5 km 

rutor. Man kan välja om man vill ha naturlig färg eller IR. Över Vikbolandet 

var det naturlig färg vilket innebär att ortofoto är baserat på banden rött, grön 

och blått. Det mer högupplösta pankormatiska bandet har sammanlagrats med 

de tre färg banden för att skärpa upp bilden. Ortofoton är också tonutjämnade 

och sträckta. 

Klassningen av busk- och brynmiljöer i undersökningsområdena baseras på 

segmenterade bilddata för att möjliggöra en mer objektbaserad analys. Segmenteringen 

gjordes i programvaran e-cognition och olika storlekar på segmenten testades. Spektral 

11

och strukturell information från bilddata kopplades till respektive segment, t.ex. 

medelvärde för olika band och standardavvikelse. 

I Vikbolandet baseras klassningen av busk- och brynmiljöer på en spektral och 

strukturell analys av bilddata med stöd av andra geografiska dataset. 

Tabell 2. Urval av tillgängliga satellitdata och flygbild för respektive område och år i projektet 

(http://saccess.lantmateriet.se) och internt arkiv. VHR datat WorldView 2 (WV-2) är inköpt inom 

projektet. Bilddatat är ortokorrigerat. 

Område SPOT4* SPOT5* IRS* Landsat5* WV-2** DCM-flygortofoto 

Vikbolandet 

Hålaveden 

* HR - High resolution 

** VHR - Very high resolution 

2006-06-11 

2004-08-09 

1999-06-14 

2004-08-14 

2003-06-02 

1999-07-29 

2009-05-31 

2008-07-28 

2007-05-23 

2006-06-02 

2005-07-12 

2003-07-15 

2009-07-07 

2008-07-26 

2006-06-13 

2005-06-09 

2003-06-02 

2008-05-28 - 2010-05-15 2007-04-28 

2008-06-06 

2008-05-28 

2007-10-21 


2007-08-24 - - 

Figur 4. SPOT-5, Vikbolandet 2009-05-31 till vänster och SPOT-5 från Vikbolandet 2008-07-28 

till höger. Bilden motsvarar ca 1,5 km i bredd. 

Figur 5. WorldView 2 multispektral, Vikbolandet 2010-05-15 till vänster och DMC ortofoto från 

Vikbolandet 2007-04-28 till höger. Bilden motsvarar ca 1,5 km i bredd. 

12

Figur 6. SPOT-5, Vikbolandet 2009-05-31 till vänster och WorldView 2 multispektral från 

Vikbolandet 2010-05-15 till höger. Bilden motsvarar ca 700 m i bredd. 

Figur 7. WorldView 2 pankromatiskt, Vikbolandet 2010-05-15 till vänster och DMC ortofoto från 

Vikbolandet 2007-04-28 till höger. Bilden motsvarar ca 700 m i bredd. 

K a r t d a t a o ch g e o g r a f i s k a d a t a b a s e r 


Om ett bryn angränsar eller ligger inom tätbebyggt område eller ligger nära en 

betesmark har betydelse för ytans potentiella naturvärde. Möjlig indata är t.ex. Tuva, 

blockdatabas, terrängkartan och KNAS 4. I Figur 9 visas exempel på hur 

grundklassningen kan kombineras med andra indata. 

Följande kartdata och geografiska databaser användes i Metrias satellitdata-analys: 

• Ängs och Betesmarksinventeringen, Tuva (Jordbruksverket 2005) 

• Blockdatabasen (Jordbruksverket 2009) 

• Terrängkartan (www.lantmateriet.se) 

• KNAS 4 (Ny metod för kontinuerlig naturtypskartering - av Skyddade 

områden, KNAS, Metria Geoanalys 2009). 

• Skogsmask: Adaptiv avgränsning av skog för nationella och internationella 

definitioner benämns i texten som ”adaptiv skogsmask 2007” (Wennberg 2009). 

Detta data finns över studieområdet i Vikbolandet. Topografiska kartan 

skogsmask är inte optimal att använda eftersom den dels inte är aktuell och 

dels inte inkluderar vissa sökta objekt såsom glesare trädmarker, buskmarker 

13

eller mindre trädklädda områden. Ett första steg är därför att med hjälp av 

bilddata försöka avgränsa all träd- och buskklädd mark. I Vikbolandet gjordes 

en uppdatering av topografiska kartans skogsmask med hjälp av SPOT data 

2007 och svart-vita ortofoto (Wennberg 2009). Denna skogsmask uppdaterades 

med hjälp av SPOT bilden från 2009-05-31 till adaptiv skogsmask 2009. 

S P OT d a t a 

Denna del utgick från klassad SPOT bild från 2009-05-31 och 30 m buffertzon från 

adaptiv skogsmask 2009 från Vikbolandet. Klassningen av SPOT-bilden gjordes genom 

segmenterad klusteranalys i klasserna lövskog, blandskog, barrskog, öppet bart samt 

öppet gräs/gröda. 

Arbetsgång: 

• Inom eller angränsande till 30 m buffertzon valdes segment som klassats till 

lövskog eller blandskog. Detta skikt kombinerades med KNAS4 och vissa ytor 

togs bort (t.ex. om hygge/ungskog i KNAS4). 

• Kvarvarande ytor av lövskog eller blandskog samt angränsande segment 

klipptes ut i 30 m buffertzon. Sammanhängande ytor slogs ihop och < 0,2 ha 

ytor togs bort. 

• Klassningen kombinerades med andra indata källor för att ge en ytterliggare 

klassbeskrivning av ytorna. Indata som användes var Blockdatabas, KNAS 4 

och Tuva. I KNAS 4 finns bl.a. en uppdelning av trädslagen triviallöv och 

ädellöv som användes. Informationen i dessa indata lades till som en 

ytterliggare klassbeskrivning av ytan. 

Analysen gav följande delresultat: 

a) Sammanhängande potentiella lövrika brynytor > 0,2 ha 


b) Klassning på segmentnivå inom de potentiella brynytorna. Både 

grundklassning och med tilläggsinformation från andra indata gjordes. 

I Figur 8 visas klassning från SPOT data (2009-05-31) under skogsmask för en del av 

Vikbolandet. I Figur 9 ges exempel på klassning för bara potentiellt lövrika bryn. En 

del av de potentiellt lövrika brynen är biologiskt ointressanta, t.ex. lövsly i 

hyggeskanter, löv i villaträdgårdar mm. och har därför inte markerats speciellt i SPOT 

analysen men däremot i analyser från andra bilddata. Potentiellt lövrika bryn med 

lägst värde är t.ex. sådana som inte innehåller så mycket löv, ligger i norrläge, raka 

bryn m.m. Kompletterande analyser krävs för att få fram ett potentiellt naturvärde i 

områdena. I Figur 9 visas ett bildexempel där klassningen har kombinerats med annan 

indata (KNAS, Tuva och blockdatabas). I analysen identifierades förutom lövrika 

brynmiljöer även lövrika åkerholmar. I projektet analyserades även potentiella 

åkerholmar utgående från klassning av SPOT data under mindre skogsområden i 

skogsmask 2007. Resultatet visas nedan i figur 10 (a-d) tillsammans med potentiella 

åkerholmar från analys av blockdatabas och potentiella lövrika brynmiljöer från analys 

av SPOT data under skogsmask 2009. Potentiella åkerholmar från blockdatabasen togs 

fram genom att välja ut ”hål” (< 0,5 h) som omges av åkermark. I DMC ortofoto ser 

man relativt bra om en karterad yta verkligen är en potentiell åkerholme eller inte. Att 

kontrollera mot bilddata är ett effektivt sätt att säkra upp analysen och minska fälttid. 

14


Figur 8. Exempel på grundklassning av SPOT data, Vikbolandet (2009-05-31) under skogsmask 

2009. Lövskog (grönt), blandskog (olivgrönt), barrskog (brunt), öppet (blått och gult). 

Figur 9. Potentiellt lövrika brynmiljöer, SPOT data, Vikbolandet. Klasserna är grundklassning 

kombinerat med tilläggsinformation från KNAS, Tuva och blockdatabas. 

15

a) 

b) 

c) 

d) 

16 


Figur 10. a) Potentiella 

åkerholmar från SPOT analys 

under mindre skogsområden 

i skogsmask 2007, 

Vikbolandet. 

b) Potentiella åkerholmar från 

analys av blockdatabas. 

c) Potentiella lövrika 

brynmiljöer i gröna färger 

från SPOT analys under 

skogsmask 2009. 

d) DMC ortofoto från 28 

april 2007. Observera slån i 

blomning (vita bulliga 

områden).

I Figur 11 visas ett exempel där söderbryn har markerats. För att få fram ett söderläge 

räknades höjdsatt adaptiv skogsmask ut från 2009 samt riktningen i grader. I Figur 12 

och 13 visas exempel på hur riktning har använts i analysen. 

17 


Figur 11. Söderbryn, 

Vikbolandet. 

Övre figur: riktning i 

30 m bufferzon 

utgående från 

adaptiv skogsmask 

2009. 

Nedre figur: Riktning 

130-230 grader 

pålagt med prickar 

över potentiella 

lövbryn från SPOT.


Figur 12. Söderläge, Vikbolandet. Riktning 130-230 grader pålagt med prickar över potentiella 

lövbryn från analys i DMC (övre) och i World View 2 (nedre). 

18


Figur 13. Övre: potentiellt lövrika bryn, Hålaveden. Nedre: potentiellt lövrika bryn i söderläge 

(130-230 grader), Hålaveden. Övriga grader är gråmarkerat. 

19

Wo r l d Vi e w 2 d a t a 

WorldView 2-bilden från 15 Maj 2010 (Figur 5) segmenterades och karterades i 

eCognition under skogsmask (adaptiv skogsmask 2009). Klassningsmetoden som 

valdes var styrd klassning och förutom att segmentens spektrala värden och 

standardavvikelse ingick i klassningen så användes även spektrala index, i.e. 

vegetationsindex NDVI. 

• Representativa ytor för olika klasser valdes ut baserat på vad man ser i bilddata 

i kombination med andra bilddata och tidigare analyser. De klasser som valdes 

var löv (både utslaget och outslaget), barr, buskmark (här hamnar även en del 

outslaget löv och sly på hyggen), skugga, öppet - gräs/gröda, öppet - bart. 

• Klassningen klipptes mot 30 m buffertzon. Ytor med löv och buskar samt 

angränsande ytor som sammanhängande är >0,15 ha valdes. 

• De 294 potentiella lövbrynen granskades mot World View 2 bilden för att 

markera ointressanta ytor (t.ex. hyggeskanter med lövsly, villaträdgårdar med 

löv mm). 46 ytor markerades i attributen som sannolikt inte intressanta. 


a) Sammanhängande potentiella lövrika brynytor > 0,15 ha med bedömning om 

ytan är intressant eller inte identifierades. 

b) Klassning inom de potentiella brynytorna: löv, barr, buskmark. skugga, öppet 

- gräs/gröda, öppet - bart kunde göras. 

c) I Figur 14 visas klassning från World View data (2010-05-15) under 

skogsmask för en del av området. I Figur 15 visas de potentiell lövrika bryn 

som blev kvar efter att bryn granskats mot ortofotot och mindre intressanta 

lövbryn (t.ex. lövsly, villaträdgårdar med löv) har markerats. 

Figur 14. Exempel på grundklassning av VHR 

data (2010-05-15) under skogsmask 2009. 


Figur 15. Potentiellt lövrika brynmiljöer där 

mindre intressanta lövbryn (t.ex. lövsly, i 

bebyggelse) är gråmarkerade. 

Ingen uppdelning av lövskog i triviallövskog och ädellövskog gjordes i World View 2 

data. Oftast var det ädellövträden som var utan löv i bilden men ibland även 

triviallövträden. I vissa områden var även ädellövträden delvis utslagna. Det var 

därför svårt att göra denna uppdelning. Slånbuskarna var i bilden outslagna men en 

stor del av dem gick att klassa fram (ligger i klassen buskar). En del outslagna lövträd 

20

och sly hamnade troligen också här. Analysen visar förekomst av lövrika brynmiljöer. 

Kompletterande analyser krävs för att få fram om den lövrika brynmiljön har ett 

potentiellt naturvärde. För varje yta och varje bilddata, finns en klassning av innehåll 

(Figur 16). Ett bryn med lite löv kan vara mindre värdefullt än en yta med mer löv 

beroende på lövets fördelning. Ett bryn med stor variation av intressanta klasser kan 

kanske vara mer värdefullt än ett homogent bryn. 

Figur 16. Exempel på klasser i en potentiellt lövrik brynyta. Klassningen är baserat på 

WorldView 2-data. Lövträd och lövbuskar i gröna färger. 

DMC ortofoto 

Ett ortofoto är inte optimalt att använda i en bildanalys eftersom flygbilden har förlorat 

värdefull information. Ett försök gjordes ändå för att få ut intressant information. 

Baserat på en segmentering av ortofotot under adaptiv skogsmask 2009, så 

sammanlagrades medelvärdet av banden rött, grönt och blått samt standardavvikelsen 

i det gröna bandet till en raster-bild som klassades. Den metod som valdes var: 

• en styrd klassning där referensytor för olika klasser subjektivt valdes i ortofoto 

och sedan klassades liknande information fram genom algoritmen minimum 

distance i Erdas Imagine. 

• De klasser som valdes var löv (både utslaget och outslaget), barr, blommande 

slån (en stor del av slånen blommade den 28 april 2007), buskigt-öppet, två 

öppna klasser, blandat skugga och träd och en ren skuggklass. 

• Klassningen klipptes mot 30 m buffertzon. Ytor med löv och blommande slån 

samt angränsande ytor som sammanhängande är >0,15 ha valdes. 

• De 229 potentiella lövbrynen granskades mot DMC flygbilden för att markera 

mindre intressanta ytor (t.ex. hyggeskanter med lövsly, villaträdgårdar med löv 

mm). 49 ytor markerades i attributen som sannolikt mindre intressanta. 



a) Sammanhängande potentiella lövrika brynytor > 0,15 ha med bedömning om 

ytan är intressant eller inte hittades. 

b) Klassning inom de potentiella brynytorna. Löv, barr, slån (blommande), 

buskigt-öppet, 2 öppnare klasser, blandat skugga och löv/barr, skugga. 

21

c) I figur 17 visas klassningen under hela skogsmasken 2009 för en del av 

studieområdet. I Figur 18 visas de potentiell lövrika bryn som blev kvar efter 

att bryn granskats mot ortofotot och troligen ointressant lövbryn (t.ex. lövsly, 

villaträdgårdar med löv) markerats. Som tidigare nämnts är ett ortofoto inte 

det bästa för digital analys eftersom en del värdefull information är förlorat 

jämfört med den ursprungliga flygbilden. Ett försök gjordes ändå att klassa 

fram lövrika brynmiljöer. 

A n a l y s av å k e r h o l m a r 


Figur 17. Exempel på 

grundklassning av 

DMC data under 

skogsmask 2009. 

Figur 18. Potentiellt 

lövrika brynmiljöer 

där troligen 

ointressant lövbryn 

(t.ex. lövsly, i 

bebyggelse) är 

gråmarkerade. 

I ovanstående analys av lövrika miljöer identifieras förutom lövrika brynmiljöer även 

lövrika åkerholmar. Ett sätt att hitta potentiella åkerholmar är att utgå från mindre 

skogsområden i skogsmask och därunder klassa data från blockdatabasen. Ett annat 

alternativ är att utgå från ”hål” i blockdatabasen. 

22

Flikighetsanalys 


Ett flikigt bryn är potentiellt mer värdefullt än ett rakt bryn. Om ett bryn upplevs som 

flikigt eller inte är beroende av skalan. Genom att titta på ett identifierat objekt kan 

man visuellt gradera bryn i olika grova flikighetsklasser. Inom projektet testades olika 

mått på uträkning av brynens flikighet (Wiman 2010). Det mått som bedömdes ge bäst 

resultat och mått på flikighet var att relatera area och omkrets till minsta ”bounding 

box” (uttryck för den maximala utbredningen på en polygon), anpassad till enskilda 

polygoners orientering (Wiman 2010). I Figur 19 nedan ges ett exempel. 

Figur 19. Exempel på hur flikighet i en bild kan illustreras (grönt = ingen eller låg flikighet och 

rött = stor flikighet). Definition och beräkning av flikighet gjord enligt Wiman (2010). 

S l u t l i g a k o m m e n t a r e r o ch r e k o m m e n d a t i o n e r ( s a t e l l i t d a t a - a n a l y s ) 

Klassning för att få fram potentiellt lövrika brynmiljöer gjordes utgående från 

högupplöst satellitdata (SPOT), mycket högupplöst satellitdata (WorldView 2) och 

flygbilder (DMC flygortofoto). Ett resultat är att SPOT-data verkar ge en bra bild för 

större lövytor (ca ½ ha eller mer) men att skilja buskmark från lövträd verkar inte 

fungera med tillräcklig säkerhet i området. Tester gjordes med bilder från flera 

tidpunkter på året men i ingen av dem blommade buskarna (slån), vilket är en stark 

fördel för att kunna klassa ut den. Att skilja större ytor av ädellöv från triviallöv går att 

göra med SPOT data. Med mycket högupplöst data och flygbilder syns varje enskilt 

träd eller grupper av träd och potentialen för en mer detaljerad analys är därför större. 

Nackdelen är vinkeleffekter (träden ”lutar”) och vid låg solvinkel kommer kraftiga 

skuggor från träden. Att skilja mellan buskar och träd fungerar bättre i denna typ av 

data jämfört med SPOT data. I klassningen var det en del problem att skilja icke 

blommande och lövfria buskar mot lövfria träd. Här finns det dock en potential att 

komma längre. Utgående från ett kostnadsperspektiv är analys med SPOT-data 

betydligt billigare jämfört med övriga bilddata men den kan vara för grov. En 

revidering av kartans skogsmask med hjälp av satellitdata är inte nödvändigt men att 

rekommendera för att få med mindre skogsområden och glesare trädklädda områden 

förutom att lägga till hyggen (som inte länge uppdateras i kartan). 

23

Fältinventering av naturvärden 

De valda parametrarna för att identifiera potentiella naturvärden i busk- och 

brynmiljöer och som listats i parameterlistan (Tabell 1) ger ingen garanti för att 

området hyser höga naturvärden i realiteten. En viktig del i kvalitetssäkringen av 

metodiken var därför att fältinventera några identifierade busk- och brynmiljöer på 

”reella naturvärden”. Av den anledningen valdes slumpmässigt ett mindre antal ut av 

de objekt som identifierats via IRF-analys samt satellitdata-analys. Totalt 

fältinventerades 67 busk- och brynmiljöer på Vikbolandet på ingående naturvärden vid 

två olika tillfällen. Under 2009 undersökte Norrköpings kommun 47 områden (av totalt 

96 st) som tagits fram via IRF-analys. Under 2011 undersöktes sedan ytterligare 22 

områden av Calluna (11 st områden från IRF-analysen och 11 st områden från 

satellitdata-analysen) (Tabell 3). De båda fältundersökningarna från 2009 och 2011 

kalibrerades med avseende på metod och bedömningskriterier, så att en övergripande 

jämförelse av slutresultatet med resultatet av satellitdata-analysen skulle möjliggöras. 

Tabell 3. Tabellen visar antalet områden (och areal) som identifierades och avgränsades med 

respektive analysmetod (IRF-analys resp. satellitdata-analys) samt fördelning över antalet (samt 

arealen) busk- och brynmiljöer som fältinventerades under 2009 och 2011. 

Analysmetod (utförare) 

Antal områden 

(ha) 

Fältinventerade 

under 2009* 

Fältinventerade 

under 2011 ** 

Ej fältinventerade 

IRF-analys (Norrköpings kommun) 96 st (244 ha) 47 st (184,7 ha) 11 st (16,3 ha) 39 st (48,3 ha) 

Satellitdata-analys (Metria) 56 st (273,4 ha) - 11 st (35,8 ha) 46 st (237,6 ha) 

* Naturvärdesinventering utförd av Norrköpings kommun under 2009 

** Naturvärdesinventering utförd av Calluna under 2011 

F ä l t i n v e n t e r i n g 2 0 0 9 


Totalt: 152 st (517,4 ha) 47 st (184,7 ha) 22 st (52,1 ha) 85 st (285,9 ha) 

Norrköpings kommun genomförde under 2009 en fältinventering för att undersöka 

befintliga naturvärden i några utvalda busk- och brynmiljöer på Vikbolandet som 

framtagits via IRF-analys (Hagström 2008) enligt nedanstående fältprotokoll (Figur 20). 

Figur 20. Fältprotokoll för naturvärdesbedömning i fält, utförd 2009 av Norrköpings kommun. 

24


Under fältinventeringen av de 96 st identifierade busk- och brynområdena med 

potentiella naturvärden hann man av tidsskäl endast inventera drygt hälften av dessa 

(47 st) (Figur 21). Dessa 47 områden fältinventerades och bedömdes enligt följande 

parametrar (se även fältprotokoll ovan, Figur 20): 

• Busk-/bryntyp (exponerade löv- och barrträd, slutet lövskogsbryn, 

barrskogsbryn, bärande busk, strand, våtmark, åkerholme, åkerbryn, 

örtrikedom, artrikt träd/buskskikt, enbuskmark, tomt/parkrest, salix, hässle, 

hällmark, vägbryn, betes/ängsbryn, söderläge, ledningsgata, hägnadsvandring) 

• N2000 habitat (främst gräsmarkstyperna och trädklädd betesmark) 

• Hävdstatus (ingår i betesmark, slåtteräng eller sköts genom röjning eller är 

övergivet, igenvuxet, planterat med skog m.fl.). 

• Karaktär (flikighet, anges i 4 nivåer där 0 är när brynet är i stort sett rakt och 3 

när brynet är mycket flikigt; Nivåer anges från 1, låga buskar till 4 större träd; 

trädinblandning anges hur mycket egentliga träd från 0-inga träd till 3trädkronorna 

täcker minst 25% av ytan; täckningsgrad anges i %; Berg/ 

stenbunden, anges i 4 klasser där 0 – berg eller sten 50%; väderstreck 

för dominerande väderstrecks; lutning anges i 4 klasser med 0 vid 0 graders 

lutning och 3 vid > 40 graders lutning; fleråldrig anges som ”ja”eller ”nej” ). 

• Element (Död ved anges i 4 nivåer där 0 anges om död ved saknas och 3 anges 

vid gott om död ved; Gamla buskar anges enligt följande: 0 om de saknas och 

upp till 3 om det finns gott om dem; Gamla träd anges på samma sätt som 

gamla buskar; Hålträd anges på samma sätt som gamla buskar och träd; 

Hamlade/klappade träd anges på samma sätt som ovanstående; Grov ved anges på 

samma sätt som ovanstående.) 

• Restaureringsbehov anges om buskmiljön eller brynet är i behov av åtgärder i 

form av t.ex. viss röjning. 

• Busk- och trädarter (frekvens anges där 1 betyder enstaka och 3 frekvent 

förekommande. 

• Kringfaktorer (Elementen anges som 1 då det förekommer enstaka eller 

sparsamt och 2 om de förekommer rikligt; sandmark och kalkmark där 1 anges 

om objektet vilar på morän/kalkhalten är hög och 2 när objektet vilar på 

isälvsgrus eller dyl./kalkhalten lägre; ”död ved i omgivningen”anges om det är 

gott om grov död ved närmast brynet, det samma gäller för ”omgivande hålträd” 

• Signal- och rödlistade arter (förekomst och antal listas i protokollet, Figur 20). 

25

Inventeringsområde 

Områden från IRF-analys 

inventerat 2009 

0 0,5 

km 

1 

Figur 21. Översiktskarta, Vikbolandet med 96 st busk- och brynmiljöer identifierade via IRFanalys. 

De 47 områden som inventerades under 2009 har markerats med svart ytterkant. 

F ä l t i n v e n t e r i n g 2 0 1 1 


För att komplettera och verifiera resultaten av Norrköpings kommuns naturvärdesbedömningar 

och resultaten i Metrias satellitdata-analys, genomförde Calluna under 

26

2011 nya naturvärdesbedömningar i två typer av busk- och brynområden på 

Vikbolandet (Figur 22). Dels fältbesöktes 11 st IRF-analyserade områden som 

Norrköpings kommun, av tidsskäl, inte hann inventera under 2009 och dels besöktes 

11 st satellitdata-analyserade områden som fallit ut som potentiellt värdefulla busk- 

och brynområden i Metrias satellitdata-analys. 

Inventeringsområde 

Områden från IRF- analys 

Områden från satellitdata-analys 

Inventerat 2011 


0 0,5 

km 

1 

Figur 22. Alla identifierade busk- och brynmiljöer, Vikbolandet (totalt 152 st) från IRF-analys 

(röda områden) samt satellitdata-analys (blå områden). De 20 områden som inventerades under 

2011 har markerats med svart ytterkant (11 st från IRF-analys och 11 st från satellitdata-analys). 

27

Kompletterande naturvärdesbedömningar i fält utfördes med fältprotokollet nedan 

som underlag (figur 23) och genomfördes av följande skäl: 

1. för att verifiera förekomst av busk- och bryn i de områden som fallit ut i 

satellit-analys och IRF-analys. 

2. för att verifiera naturvärdet i de busk- och brynmiljöer som identifierats med 

satellit-analys och IRF-analys 

3. för att jämföra och kvalitetstesta resultatet och bedömningarna av 

naturvärdesinventeringar gjorda mellan åren 2009 och 2011. 

A57&"7)(%$@3()&-/15/2$'"$2=*(0(B3C0%"87)(2$& 

!"#$%&'()*(+ 

,)&-*+ 

.$'%/01)(2$32)&) 

!"#$%&'(()$&*'+,)$*-./ 

01('+,2$&345 

67('+, 

897:'(5;4:9.'?*:2 

=52(&("+;1+@4&("+ 

6-,2(*1@2 

02724&("+ 

A+&345:'(5 

6'*BC&("+ 

D144*2 

81@&("+ 

4)/)%&5/ 

E*B5B@>27 

!(1,B+&*'+,+B+@ 

E*2(9*,(B@7 

67$*$(& 

F-,$.27 

G':*'$&345'( 

G':*'$7(1,;>9*7(1, 

D':*',2$7(1, 

.-'%389:3&/52)/&$/ 

'* *-++ ?*.?+ ;$/) 

'*: +"#?+ ?C2* 

'#2* @27'#2* #1(?+ 

'45 @('+ (-,25 

'4# >'@7?(+ (-++ 

&2(&2(B4 >'442* 45?@47(" 

&H-(5 >1@@ 4*9+ 

&H-(+&1( 5*B&&'* 4"(2+ 

,(3.I1,2( 5+1J52#B* 41*@ 

25 5(34&1( 7'** 

2+ 5-(4&1( 

Naturvärdesklassning med GIS-analys (Calluna) 

För att kunna naturvärdesbedöma större arealer än de som hann bedömas i fält, 

gjordes ett försök att naturvärdesklassa identifierade områden med hjälp av en GISanalys. 

Eftersom fältbesök är både kostsamma och tidsödande är det viktigt att försöka 

minimera tiden i fält. En enkel GIS-analys skulle kunna spara både tid och pengar och 

fungera som en slags automatiserad ”pre-evaluation method” för att - innan man ger 

sig ut i fält - hitta de områden som har största sannolikhet att hysa höga naturvärden. 

GIS-analysen som testades i projektet utvecklades av Calluna och innebar i korthet att 

resultat från IRF-analys och satellitdata-analys sammanfördes med ett valt urval 

landskapsekologiska faktorer (Tabell 4 och Figur 24 samt även Tabell 1). 

Valet av dessa faktorer beror på att det har visat sig att de hänger väl samman med 

förekomsten av värdefulla busk- och brynmiljöer på landskapsnivå och att de relativt 

snabbt och enkelt kan fås som GIS-skikt. Poäng gavs sedan till ett identifierat busk- och 

brynområden när sammanföll med någon av dessa 13 faktorer och kriterier enligt 

tabell 4. Lägst poäng var 0 (=när ingen faktor sammanföll med området) och högst 

poäng var 13 (=när alla faktorer sammanföll med området). 

Tabell 4. Landskapsekologiska parametrar och poängsystem för naturvärdesklassning enligt GISanalys. 

Landskapsekologiska parametrar Poängsystem (kriterier) 

1. Områdets storlek (area) 

2. Busk- och bryntyp (löv) 

3. Nära anslutning till vattendrag/våtmark 

(VMI) 

1 poäng när arean var större än 3,8 ha (=medelvärdet på de 47 IRFanalyserade 

områdena som inventerades 2009). 

1 poäng när området har mer än 25% löv eftersom ett bryn ska innehålla 

minst 25 procent löv i linje mellan öppen mark och skog). 

1 poäng när området sammanföll med ett vattendrag/våtmark. 

4. Nära anslutning till kraftledningsgator 1 poäng när området sammanföll med en kraftledningsgata. 

5. Nära anslutning till grus- och 

traktorvägar 

1 poäng när området sammanföll med mindre grus- och traktorvägar. 

6. Förekomst av gamla träd/hålträd 1 poäng när området sammanföll med gamla träd/hålträd. 

7. Bryn i söderläge (130-230 grader, erhölls 

från Metrias analys) 

1 poäng när busk- och brynområde låg i söderläge. 

8. Nära anslutning till skogsbete (TUVA) 1 poäng när området sammanföll med skogsbete enligt TUVA. 

9. Åkerholmar (erhölls från Metrias analys) 1 poäng när området sammanföll med en åkerholme (blockdatabas). 

10. Bryn med stor flikighet 

Beräknas enligt: Omkrets²/ 

(Area*Avplattning), som ger värden 

från 7,103987-324,881805 i 5 klasser, där 

högre värden anger större flikighet, SPOTdata 

(Wiman, 2010). 

11. Bryn med stort antal busk-/trädarter 

12. Brynets avstånd till olika ägoslag 

(beten, åkrar, skogsbryn m.m.) 

13. Nära anslutning till skyddade områden, 

Natura 2000 m.m. 


Metria delade in flikighet i fem klasser (Wiman, 2010): Klass 1 (mkt. låg 

flikighet): 7,103987 - 27,993313, klass 2 (låg): 27,993314 - 54,635902, 

klass 3 (medium): 54,635903 - 100,915260, klass 4 (hög): 100,915261 - 

209,611023, klass 5 (mkt hög flikighet): 209,611024 - 324,881805. 1 

poäng när området hade hög flikighet d.v.s. när området nådde 

flikighetsvärden på 54,635903-324,881805 motsvarande klasserna 3-5. 

1 poäng när området hade fler än 5 busk- och trädarter (12 st arter sågs som 

mest i Norrköpings fältinventering, medelvärdet blev 3,9 arter för 47 

områden men här valdes en mer restriktiv hållning genom att ta 5 st arter 

som gräns för att få en poäng i GIS-analysen). 

1 poäng när området sammanföll med flera angränsande ägoslag inom en 

100 m radie. 

1 poäng när området sammanföll med skyddade områden, Natura 2000 

m.m. 

Slutpoängen som varje område erhöll delades in i någon av de fyra 

naturvärdesklasserna enligt Tabell 5, vilka motsvarar samma kriterier som användes i 

Norrköpings naturvärdesinventering från 2009, för att bedöma potentiella naturvärden 

i identifierade busk- och brynområden på Vikbolandet. 

29

Tabell 5. Tabellen visar antalet poäng i GIS-analysen som motsvarar en naturvärdesklass. 

Poängsumma* 

Motsvarande 

naturvärdesklass 

Beskrivning 

8-13 1 Mycket högt naturvärde 

5-7 2 Högt naturvärde 

3-4 3 Medium naturvärde 

0-2 4 Lågt naturvärde 

* Poängsumman motsvarar antalet gånger som en faktor i GIS-analysen sammanfallit med området. 


Gamla träd/Hålträd 

Vattendrag 

Kraftledning 

Traktor och grusvägar 

Skyddat område 

Våtmarksinventering 

Skogsbete 

Åkerholmar 

Flikighet 

Lövskog 

Äng och bete 

0 0,5 

km 

1 

Figur 24. GIS-underlag som använts i GIS-analysen för att klassa potentiella naturvärden i busk- 

och brynmiljöer, Vikbolandet. 

30

Resultat och diskussion 

Förekomst av busk/bryn hittas med satellitdata-analys (hypotes 1) 

D e l r e s u l t a t : I R F - a n a l y s k o n t r a s a t e l l i t d a t a - a n a l y s 

En jämförelse gjordes av resultat från satellitdata-analys och IRF-analys för att 

undersöka om det var möjligt att hitta/identifiera busk-och brynmiljöer med hjälp av 

satellitdata-analys (i enlighet med hypotes 1). 

En första kontroll gjordes av de identifierade ytorna mot fältdata från fältbesöken från 

2009 och 2011, för att verifiera att varje identifierat objekt verkligen var ett busk- och 

brynområde. Resultatet av den kontrollen visade en 100%-ig överensstämmelse. Av de 

totalt 69 (47 + 22) fältbesökta ytorna var det i alla fall ett verkligt bryn som hade 

identifierats. Detta resultat tyder på att satellitdata-analysen verkligen tycks kunna 

identifiera busk- och brynområden. 

När det gäller kvalitetsaspekten på resultatet från satellitdata-analysen så behövde ett 

antal delfrågor belysas: 

1. Hittar man samma areal med satellitdata-analys som med IRF-analys? 

2. Föreligger spatiala skillnader mellan de områden som identifieras? 

3. Hur effektiv är satellitdata-analys jämfört med IRF-analys? 

Resultaten för Vikbolandet illustreras i tabell 6 samt figur 25. Tabellen visar att 

satellitdata-analysen (totalt 273,4 ha) identifierade endast 29,4 ha mer busk- och 

brynareal än IRF-analysen (totalt 244 ha). Svaret på delfråga 1 är att inga 

anmärkningsvärda skillnader verkar föreligga mellan de båda metoderna med 

avseende på identifierad totalareal av busk- och brynmiljöer. Figur 25 illustrerar dock 

tydligt hur satellitdata-analys verkar identifiera fler små områden jämfört med IRFanalys. 

Anledning till detta är oklar och måste utredas vidare. En bidragande orsak till 

detta resultat kan ligga i det mer ”manuella” förfarandet med handritning av 

polygoner i IRF-analys som försvårar arbetet i liten skala. 

Tabell 6. Fördelning av arealen identifierad busk- och brynmiljö med respektive metod. 

Källa 

Identifierad 

totalareal (ha) 

IRF-analys 244 Röd 

Polygonfärg * 

Satellitdata-analys 273,4 Blå + Grön 

IRF-analys + satellitdata-analys (överlappande areal) 74,1 Grön 

* polygonerna tillhörande tabell 6, illustreras även i figur 25 


Svaret på delfråga 2 är dock att det verkar finnas tydliga spatiala skillnader i resultatet 

mellan metoderna (Figur 25). Detta illustreras tydligt genom den lilla gemensamma 

arealen, på endast 74,1 ha som överlappar (d.v.s. har identifierats med båda 

metoderna) (Tabell 6, Figur 25). 

31


0 0,5 

km 

1 

Överlappande områden 

Satellitdata-analys 

IRF-analys 

Figur 25. Busk- och brynområden, Vikbolandet, identifierade med satellitdata-analys (blå 

polygoner), med IRF-analys (röda polygoner) samt överlappande områden som identifieras med 

båda analysmetoderna (gröna polygoner). 

32

Naturvärden i busk/bryn hittas med satellitdata-analys (hypotes 2) 

D e l r e s u l t a t 1 : n a t u r v ä r d e s b e d ö m n i n g a r i f ä l t 2 0 0 9 k o n t r a 2 0 1 1 


Det första som behövde testas var att kvalitetstesta själva bedömningsmetodiken för att 

identifiera naturvärden i ett område. De naturvärdesbedömningar som genomfördes i 

fält år 2009 av Norrköpings kommun och år 2011 av Calluna överfördes till GIS-skikt 

för att undersöka eventuella skillnader och resultaten illustreras i figur 26 och 27. 

Områden från IRF-analys, 

inventerade 2009 

Naturvärde fält-klassning 

Mycket högt naturvärde 

Högt naturvärde 

Medel naturvärde 

Lågt naturvärde 

0 0,5 

km 

1 

Figur 26. Naturvärdesbedömning i busk- och brynmiljöer, Vikbolandet identifierade med IRFanalys, 

fältinventerade 2009. 

33



och satellitdata-analys, 


Naturvärde fält-klassning 





0 0,5 

km 

1 

Figur 27. Naturvärdesbedömning i busk- och brynmiljöer, Vikbolandet identifierade med IRFanalys 

och satellitdata-analys, fältinventerade 2011. 

34

En jämförelse gjordes av resultaten från naturvärdesbedömningarna som gjordes i fält 

år 2009 med resultaten från år 2011 (Figur 26 och 27) för att undersöka kvalitet på 

resultat av fältinventeringen mellan åren. Detta gjordes för att hitta en 

inventeringsmetodik och bedömningsgrund som gör det möjligt att hitta höga 

naturvärden i busk- och brynmiljöer som har identifierats med satellitdata-analys (i 

enlighet med hypotes 2). 

En första översiktlig jämförelse av de totalt 69 områdena (47 + 22) ytorna som 

fältbesöktes under åren 2009 och 2011 visar följande resultat: 4 st ytor klassades som 

naturvärdesklass 1 (högst); 14 st som naturvärdesklass 2; 25 st ytor som 

naturvärdesklass 3 samt 26 st som naturvärdesklass 4 (lägst) (Tabell 7). Vid en närmare 

granskning av fördelningen på antalet områden i olika klasser så ser man tydligt en 

variation mellan åren 2009 och 2011 (framför allt i de två högre naturvärdesklasserna), 

troligen som en följd av att olika inventerare har deltagit i fältarbetet mellan åren. Det 

är ett känt faktum att inventeringar som baseras på bedömningar tenderar att styras av 

inventerarens personliga uppfattning. Det skeva resultatet kan troligen även tillskrivas 

det faktum att olika typer av områden har besökts mellan åren 2009 och 2011. 

Resultatet av jämförelsen belyser behovet av att göra en gemensam kalibrering av 

metodik för berörd fältpersonal och att man om möjligt bör ersätta bedömningar med 

kvantitativ mätning vid alla naturvetenskapliga undersökningar. 

Tabell 7. Antal områden identifierade inom respektive naturvärdesklass (1-4) med olika metoder. 

Naturvärdesklass 

1 - mkt högt naturvärde 

(nationellt naturvårdsintresse) 

2 - högt naturvärde 

(regionalt naturvårdsintresse) 

3 - medel naturvärde 

(kommunalt naturvårdsintresse) 

4 - lågt naturvärde 

(lokalt naturvårdsintresse) 

* illustreras även i figur 26 

** illustreras även i figur 28 

*** illustreras även i figur 27 

**** illustreras även i figur 29 

Fältbedömning 

2009* 

Klassning via GIS-analys 

för 2009-års områden ** 

Fältbedömning 

2011*** 

Klassning via GIS-analys 

för 2011-års områden **** 

4 st 2 st - 1 st 

14 st 19 st - 4 st 

23 st 19 st 2 st 10 st 

6 st 7 st 20 st 7 st 

Totalt: 47 st 47 st 22 st 22 st 

D e l r e s u l t a t 2 : f ä l t r e s u l t a t k o n t r a G I S - a n a l y s av n a t u r v ä r d e n 


Genom att jämföra resultatet av de genomförda naturvärdesbedömningarna gjorda i 

fält år 2009 och 2011 inklusive metod-/bedömningskvaliteten (enligt delresultatet 

ovan) gjordes jämförelser mellan naturvärdesklassningarna från fältbedömningarna 

och GIS-analyserna. Detta gav ett slags mått på hur väl GIS-analysen fungerar jämfört 

med ett faktiskt fältbesök och möjliggjorde en extra kvalitetssäkring och 

kvalitetstestning av GIS-analysen. Resultaten illustreras i figur 28 och 29 nedan. 

35


Områden från IRF-analys, 


Naturvärde GIS-klassning 





0 0,5 

km 

1 

Figur 28. Naturvärdesklassade busk- och brynmiljöer, Vikbolandet klassade med hjälp av GISanalys 

i 2009-års IRF-analyserade områden. 

36



och satellitdata-analys, 


Naturvärde GIS klassning 





0 0,5 

km 

1 

Figur 29. Naturvärdesklassade busk- och brynmiljöer på Vikbolandet klassade med hjälp av 

GIS-analys i 2011-års satellitdata-analyserade områden. 

37

Jämförelsen mellan faktiskt naturvärde (fältbedömning) och modellerat/analyserat 

naturvärde (GIS-analys) gav en möjlighet att bedöma GIS-analysens kvalitet. 

Ett resultat av jämförelserna med naturvärdesbedömning i fält och GIS-analysen visar 

att för 2009 stämmer GIS-klassningen väl överens med bedömningen i fält (Figur 26 

och 28 samt Tabell 7). För naturvärdena mkt högt till högt (klass 1-2) fann man vid 

fältbesöket 18 områden medan GIS-analysen hittade något fler områden (21 st). För 

medelnaturvärdet (klass 3) fann man vid fältbesöket 23 områden medan GIS-analysen 

hittade något färre områden (19 st). För det lägsta naturvärdet (klass 4) fann man vid 

fältbesöket 6 områden medan GIS-analysen hittade 7 områden (Tabell 7). 

För 2011 visar dock samma jämförelser att GIS-klassningen stämmer sämre överens 

med bedömningen i fält (Figur 27 och 29 samt Tabell 7). För naturvärdena mkt högt till 

högt (klass 1-2) fann man vid fältbesöket inga områden medan GIS-analysen hittade 5 

områden. För medelnaturvärdet (klass 3) fann man vid fältbesöket 2 områden medan 

GIS-analysen hittade 10 st. För det lägsta naturvärdet (klass 4) fann man vid fältbesöket 

20 områden medan GIS-analysen endast hittade 7 områden (Tabell 7). Detta skeva 

resultat antas till största delen bero på att olika fältpersonal har deltagit mellan åren. 

Resultatet visar att analysmodellen behöver testas fler gånger i andra områden för att 

konstatera om naturvärden verkligen kan styrkas med denna metod. 

D e l r e s u l t a t 3 : G I S - a n a l y s av n a t u r v ä r d e n 2 0 0 9 k o n t r a 2 0 1 1 


För utvärdera GIS-analysen som metod och kunna eliminera eventuellt förekommande 

skillnader mellan valda områden (IRF-analyserade och satellitdata-analyserade 

områden) gjordes en jämförelse för åren 2009 och 2011 (Figur 28 och 29). Resultatet av 

jämförelsen visade att klassningen av naturvärden via GIS-analys tycks fungera relativt 

väl oavsett vilken metod som identifierat busk- och brynområdena. Tabell 7 illustrerar 

att skillnaden för klass 1 (mkt högt naturvärde) hade ett område mer 2009 jämfört med 

2011, för klass 2 var skillnaden hela 15 områden 2009 jämfört med 2011; för klass 3 var 

skillnaden 9 områden 2009 jämfört med 2011 medan lika många områden (7 st) med 

lågt naturvärde (klass 4) hittades 2009 som 2011 (Tabell 7). Resultaten indikerar att den 

använda GIS-analysen tycks vara en förhållandevis grov metod för 

naturvärdesklassing av busk- och brynområden och att osäkerheter tycks kunna 

uppstå i sådana områden som ligger i mellanregistret av naturvärdesklass. Detta kan 

ha att göra med de bedömningsgrunder och regler och kriterier som valdes för 

poängsättning i själva GIS-analysen. Calluna testade flera olika poängskalor och 

bedömningsgrunder för att utreda detta och fann att även små förändringar i valet av 

betygskriterier kunde påverka utfallet i analysen avsevärt. Fler testningar behöver 

därför göras för att trimma in lämplig betygsskala för GIS-analysen. 

Satellitdata-analys - en arbetsmodell för biologisk infrastruktur (hypotes 

3) 

Projektets huvudsyfte var att utvärdera om identifiering av värdefulla busk- och 

brynmiljöer kunde göras med hjälp av satellitdata-analys. Detta utvärderades genom 

jämförelser med traditionell IRF-analys, som vanligen används idag. Projektet utgick 

ifrån hypoteserna att: 1. det är möjligt att hitta/identifiera busk- och brynmiljöer, vilket 

resultaten visade och 2. det är möjligt att identifiera ingående naturvärde på 

38

landskapsnivå med hjälp av satellitdata-analys, vilket resultaten också delvis visade. 

Eftersom så var fallet skulle resultaten av projektet även kunna 3. utvärdera om det är 

möjligt att ta fram en lämplig arbetsmodell för att identifiera, analysera och bearbeta 

biologisk infrastruktur på landskapsnivå med hjälp av satellitdata-analys i liknande 

projekt. 

En viktig slutsats i projektet är just att satellitdata-analys tycks fungera väl som metod 

för att peka ut potentiell förekomst av lövrika busk- och brynmiljöer samt åkerholmar i 

landskapet med flera viktiga tillägg såsom (söderläge, flikighet m.m.). En viktig 

iakttagelse är också att satellitdata-analys tycks kunna identifiera områden med en 

delvis annan spatial fördelning i landskapet jämfört med IRF-analys och att metoden 

hittar fler mindre (och andra) områden än de områden som identifieras via IRF-analys. 

Detta preliminära resultat behöver utredas vidare men om påståendet gäller så 

indikerar det att satellitdata-analys tycks ha ett visst metodmässigt värde då den 

kompletterar och förstärker resultatet av IRF. 

Med satellitdata-analys som underlag i kombination en IRF-analys och avslutningsvis 

Callunas GIS-analys av naturvärden kan en grov uppdelning av värdefulla busk- och 

brynmiljöer göras redan framför datorn av de potentiellt mest värdefulla områdena på 

landskapsnivå. En sådan grov-klassificering på planeringsstadiet, innan man påbörjar 

fältinventeringen, optimerar urvalet av områden att fältbesöka, ökar effektivitet/ 

precision i mätningen samt minskar kostnaderna i fält. 

Det är av stor vikt att gå vidare med kvalitetstestning och intrimmning av själva 

satellitdata-analysmetoden för busk- och brynmiljöer liksom för flera andra biologiskt 

viktiga habitat/miljötyper för att få fram en användbar metodik. Även om den 

huvudsakliga slutsatsen är att metoden tycks fungera i det här projektet så behöver 

ytterligare analyser och tester av resultaten genomföras för att erhålla en färdig 

paketlösning. 

Figur 30. Busk- och brynmiljö, Vikbolandet. Foto: Robert Björklind 24 maj 2011. 

39 

Busk- och brynmiljöer 2011

Referenser 


Appelqvist T., Bengtson O. & Grimdal R. 2001. Insekter och mosaiklandskap. 

Entomologisk tidskrift 2001, (3) sid 81-152. 

Axelsson Linkowski W. & Svensson R. 2009. Träd och buskar i jordbrukslandskapet 

Värden och hot – en litteraturgenomgång CBM:s skriftserie nr 24. Centrum för biologisk 

mångfald. 

Barr C. J., Britt C. P., Sparks, T. H. & Churchward, J. M. (Eds). 2005. Hedgerow 

Management and Wildlife. A review of research on the effects of hedgerow 

management and adjacent land on biodiversity. Department for Environment, Food 

and Rural Affairs, London. 

Baudry J. & Bunce R. G. H. 2001. An overview of the landscape ecology of hedgerows. 

Från publikationen: Barr C. & Petit S. (eds) 2001. Hedgerows of the world: their 

ecological functions in different landscapes. Proceedings of the 10th Annual 

Conference of the International Association for Landscape Ecology, held at 

Birmingham University, 5th-8th September 2001. 

Bijlsma R. G. 2008. Responses of breeding birds to grazing by large herbivores in the 

border zone of the Oostvaardersplassen nature reserve, Flevoland, the Netherlands. 

Bulman C. 2007. Woodlands – a vital habitat for butterflies and moths. Q Journal of 

Forestry. Vol 101, no. 1, pages 29-38. 

Davies Z. G. & Pullin A. S. 2006. Do hedgerow corridors increase the population 

viability of woodland species? Systematic Review No. 8. Part A. Collaboration for 

Environmental Evidence. Center for evidence-based conservation. 

DEFRA - Departement for Environment, Food and Rural Affairs. 2007. Hedgerow 

Survey Handbook. A standard procedure for local surveys in the UK. DEFRA, London. 

Dover J. & Sparks T. 2000. A review of the ecology of butterflies in British hedgerows. 

Journal of Environmental management. Vol. 60, No 1, pp. 51-63(13). 

Forman R. T. T. & Baudry J. 1984. Hedgerows and Hedgerow Networks in Landscape 

Ecology. Environmental management, Vol 8, No 6, pp 495-510. 

Fuller R. J. & B. D. Moreton. 1987. Breeding bird populations of Kentish sweet chestnut 

(Castanea sativa) coppice in relation to age and structure of the coppice. J. Appl. Ecol. 

24:13–27: FWAG - Farming & Wildlife Advisory Group. 2005: TIS3 - Technical 

information hedgerow management. 

Hagström M. 2008. Metodutveckling för biotopinventering av bryn och buskmarker - 

Förstudie 2008. Fennicus Natur. 2008. 

Hagström M., Siljeholm E. & Andersén T. 2010. Manual för inventering och bedömning 

av värdefulla busk- och brynmiljöer. Norrköpings kommun. 2010. 

Hinsley S. A., & Bellamy P. E. 2000. The influence of hedge structure, management and 

landscape context on the value of hedgerows to birds: A review. Journal of 

Environmental Management 60 (1), pp 33-49. 

40


Hopkins J. J. 1996. Scrub ecology and conservation, British Wildlife 8 (1) pp 28-36. 

Jordbruksverket 2000. Miljöstödet och ängs- och hagmarkerna - En GIS-baserad analys 

av hagmarksinventeringen och miljöersättningarna för skötsel av betesmarker och 

slåtterängar. Rapport 2000:20. 

Jordbruksverket 2005. Ängs- och betesmarksinventeringen 2002–2004. Rapport 2005:1. 

Jordbruksverket 2009. Uppdatering av blockdatabasen med stöd av satellitdata. 

Rapport 2009:3. 

Jordbruksverket 2010. Nya regler kring träd och buskar i betesmarker – hur påverkas 

miljön genom förändrade röjningar? Rapport 2010:8. 

Koffman A. & Lundkvist E. 2009. Ny reglering av Mälaren. Utredning av konsekvenser 

på strandmiljön. Underlagsrapport till MKB. Reglering version Fas 2c. Calluna AB, 

Stockholm. 

Metria Geoanalys. 2009. Ny metod för kontinuerlig naturtypskartering - av Skyddade 

områden (KNAS), Metria Geoanalys, version 2009-06-23. 

Mortimer S. R., Turner A. J., Brown V. K., Fuller, R. J., Good J. E. G., Bell S. A., Stevens P. 

A., Norris D., Bayfield N. & Ward L. K. 2000. The nature conservation value of scrub in 

Britain, JNCC Report 308, 191 pages, ISSN 0963 8091. 

Norrköpings kommun. 2010. Sammanställning av fördjupade inventeringar av 

dagaktiva fjärilar, skalbaggar och fåglar i några buskmarker på Vikbolandet. 

Norrköpings kommun. 2010. 

Rackham O. 2000. The history of the countryside. The Classic history of Britains 

́landscape, flora and fauna. Phoenix 2000. 

Snow B. & Snow D. 1988. Birds and Berries. T & AD Poyser Limited. Staffordshire, 

England. ISBN 0 85661 049 6. 

Vera F. W. M. 2000. Grazing ecology and forest history. CABI Publishing 2000. 

Wennberg S. 2009. Adaptiv avgränsning av skog för nationella och internationella 

definitioner. Metria Geoanalys, M08/02438.9. 

Wiman S. 2010. Analys av mått för flikighet. Arbetsdokument. Metria Geoanalys. 

41

Busk o Bryn_24aug11 - Metria

Create successful ePaper yourself

Delete template?

Save as template?