Publikasjon

Tittel Forecasting the Nature Index
Undertittel A comparison of methods
Forfattere Skarpaas, O. & Pedersen, B.
År 2012
Kilde NINA Rapport 794: 28 pp. Norsk institutt for naturforskning (NINA), Trondheim.
ISBN, ISSN 978-82-426-2389-8
Referat

Naturindeksen (NI) er sammensatt av mange biodiversitetsindikatorer og er utviklet for å gi en oversikt over tilstand og trender i biologisk mangfold. Naturindeksen vurderes også for andre formål, for eksempel som nasjonal bærekraftsindikator og som måleverktøy for lokale forvaltningsplaner. For disse og andre anvendelser trengs metoder for å framskrive trender og effekter av påvirkninger og forvaltningstiltak. I denne rapporten diskuterer vi mulighetene for systematisk framskriving av NI. Rapporten har to formål: For det første å gi et grunnlag for beslutninger om framskrivinger av NI generelt, og for det andre å gi spesifikke råd om framskriving av den gjeldende utgaven av NI for Norge. Vi beskriver kort rammeverket for NI og implementeringen for Norge, og diskuterer alternative framskrivingsmetoder i lys av ulike formål med framskriving og egenskaper ved NI av betydning for metodevalg. Deretter tester vi et utvalg relevante metoder med simulerte data og reelle data for skog. Ideelt sett trengs et framskrivingsrammeverk som tillater ikke-lineær dynamikk og kovariater (mekanismer), og som kan håndtere manglende verdier og korte tidsserier. Multivariate metoder kan bli nødvendig for noen anvendelser. Automatisert framskriving kan bli nødvendig når mange tidsserier må analyseres parallelt, og er nyttig for øyeblikkelig oppdatering og framskriving på nett. Ingen eksisterende framskrivingsmetode tilfredsstiller alle disse behovene. For indikatorer hvor man kan godtgjøre at de følger standard populasjonsmodeller, kan slike modeller trolig gi de beste framskrivingene. For bestemte parameterverdier kan Ricker-modellen gi en nyttig representasjon av den aggregerte NI. Ulempen er at slike modeller må tilpasses hvert enkelt tilfelle. Blant mer generiske verktøy virker ARIMA mest lovende, fordi dette rammeverket inkluderer vanlige populasjonsmodeller som spesielle tilfeller, har en innebygget metode for håndtering av ikke-stasjonaritet, gir muligheter for å inkludere påvirkninger, kan modellere avhengighet mellom indikatorer, og har etablerte prosedyrer for automatisk modellseleksjon og framskriving. Våre tester på simulerte tidsserier og data for skog antyder at ARIMA er det beste alternativet (med tanke på presisjon og forventingsfeil) blant formelle metoder når den underliggende dynamikken er ukjent og tidsseriene er tilstrekkelig lange. Når den underliggende dynamikken er kjent, kan spesifikke modeller fungere bra. Men for det lave antallet observasjoner i tidsseriene i den nåværende NI (4-5) gjør enkle, naive framskrivinger det enda bedre. Ved framskriving av den totale NI, uten hensyn til enkeltindikatorer, er den beste tilnærmingen å ekstrapolere dagens verdi, mens lineær ekstrapolering av trenden mellom de to siste observasjonene er best når framskrivingen gjøres på indikatornivå før aggregering. Vi konkluderer at ulike tilnærminger bør brukes for ulike formål For kortsiktige oppdateringer av NI trengs framskrivinger av ekspertbaserte indikatorer som bare oppdateres hvert femte år. Vi anbefaler lineær framskriving av trenden mellom de to siste observasjonene, med mindre ekspertene anbefaler å gjenta siste verdi. For framtidige framskrivinger anbefaler vi å utvikle et fullt kvantitativt og automatisert framskrivingssystem for NI. Dette bør baseres på framskriving av enkeltindikatorer, som så kan aggregeres til et hvilket som helst nivå. For indikatorer hvor spesialtilpassede modeller eksisterer (f eks gaupe), bør disse modellene brukes dersom det er mulig, men for de fleste indikatorer vil vi trenge et generisk verktøy. Samlet sett er ARIMA det mest lovende rammeverket.
Oppdragsgiver Directorate for Nature Management, Trondheim.

Kontakt

Norsk institutt for naturforskning
Biblioteket
N-7485 TRONDHEIM
  Tlf. +47 404 69 176
  Fax. +47 73 80 14 01
  e-post: biblioteket@nina.no