– Nesten hele Norge er allerede kartlagt med bilder og digitale terrengmodeller (LIDAR laserskanning). Det vi har gjort er å utvikle algoritmer og datamodeller som identifiserer mulige hindringer for sjøørreten, sier forsker Richard Hedger i Norsk institutt for naturforskning (NINA).

Små bekker er veldig viktige for sjøørreten, fordi det er der de gyter, men det er ikke alltid åpenbart at den tilforlatelige sildringen av vann er ørretens eneste vei mellom matfatet i havet og eldorado i elva. Derfor er mange ørretbekker utsatt for menneskeskapte påvirkninger, enten i form av kulverter, kryssing av veier og jernbaneskinner, endring i vannløp og lignende.  

– Vi har dårlig oversikt over ørretbekkene i Norge, fordi det er vanskelig og tidkrevende å kartlegge dem med tradisjonelle metoder, sier Hedger.  

Med den nye metoden trenger ikke forskerne å saumfare bekker på leting etter potensielle vandringshindre, men de kan kartlegge og overvåke store områder og finne de nøyaktige posisjonene til steder med naturlige eller menneskeskapte hindringer for fisken.

Kulverter er potensielle vandringshindre for sjøørreten. Foto: Morten Bergan, NINA

Dermed kan både forskere og forvalting få ny kunnskap om hvor de kan sette inn tiltak for å bedre forholdene for sjøørret.

For å utvikle metoden brukte forskerne datasystemet GIS (Geographic Information System) som kan sammenstille, lagre og analysere kartdata, og kombinerte det med høyoppløselige terrengbilder for å konstruere et elvenett og avdekke potensielle hindringer i elver og bekker.  

Eksempel på kart som viser potensielle hindringer i elver og bekker.

– Det er mye mer avansert enn før, og vi kan kartlegge et mye større område på kortere tid, og til en lavere pris, sier Hedger.

Forskerne brukte trondheimsregionen som testområde, der sjøørretbestanden også er godt kartlagt, men verktøyet vil etter hvert kunne brukes hvor som helst i Norge.

– 90% av Norge er kartlagt med en oppløsning på 1 kvadratmeter, så vi har alle data vi trenger. Men studien viste også at vi må jobbe for å finjustere algoritmene, og vi ønsker også å kalibrere modellene ved å gå ut i naturen og sammenligne bekkene med funnene i modellen, sier Hedger.

Prosjektet er gjort i samarbeid med Antti Eloranta fra University of Jyväskylä, Finland.

Kontakt:

Richard Hedger

Stefan Blumentrath

Les rapporten: Mapping natural and artificial migration hindrances for fish using LiDAR remote sensing. NINA Report 1833. Hedger, R.D., Blumentrath, S., Bergan, M.A. & Eloranta, A.P. 2020. Norwegian Institute for Nature Research.

• 13 July 2020
• Author: Jørn J. Fremstad
• Number of views: 3924