I detta projekt har vi utvecklat och utvärderat modeller som integrerar öppna, opportunistiska artdata för att identifiera skogliga områden med höga naturvärden. Bakgrunden är ett ökat behov av planeringsstöd inom skogsbruket, där traditionella naturvärdeskartor främst baseras på strukturella variabler och sällan inkluderar artdata, trots att sådana data finns tillgängliga i stor omfattning.

Två modellansatser testades, 1) hierarkiska occupancy-modeller (OCC) som explicit hanterar detektionssannolikhet, samt 2) Frescalo i kombination med Random Forest (Frescalo + RF) som korrigerar för variation i observationsinsats och möjliggör prediktion i områden utan observationer. Modellerna användes för att prediktera sannolikheten för artförekomst samt för att beräkna probabilistisk artrikedom (prob-SR) på beståndsnivå, representerad av hexagoner om 6,25 hektar.

Resultaten visade att Frescalo + RF generellt skattade högre förekomstsannolikheter och högre artrikedom än OCC. Trots detta var den relativa rangordningen av områden likartad mellan modellerna, vilket innebär att samma områden i stor utsträckning identifierades som artrika. Även analyser av artsammansättning visade hög överensstämmelse mellan modellerna. Överensstämmelsen mellan modellerna, trots deras olika metodologiska utgångspunkter, indikerar en viss robusthet i identifieringen av områden med högre naturvärden.

Vid jämförelse med fältinventerade artvärden enligt naturvärdesinventering (NVI) uppvisade Frescalo + RF ett tydligare samband med artvärde än OCC. Däremot var det inte möjligt att på ett tillförlitligt sätt utvärdera modellernas förmåga att prediktera förekomst av enskilda arter, främst på grund av begränsat fältunderlag.

Sammanfattningsvis visar studien att modeller baserade på opportunistiska artdata har potential att identifiera biologiskt värdefulla områden på beståndsnivå, särskilt när fokus ligger på relativa mönster snarare än absoluta värden.