GO
en-USnb-NO
COAT predikerte oppgang i rypebestandene i Finnmark i år og dette samsvarer godt med FeFo’s takseringer

Publisert 29.09.2021

COAT har modellert bestandssvingningene hos lirype i Finnmark, og sett på hva som påvirker endringer i bestanden. Modelleringen er et resultat av et samarbeid mellom COAT, forskningsprosjektet SUSTAIN og flere brukergrupper, inkludert grunneier Finnmarkseiendommen (FeFo). Brukergruppene har ønsket at modellene skal brukes til å predikere rypebestandene halvannen måned før de årlige takseringene, for å tidligere kunne planlegge årets jakt, kvoter og forvaltning. COAT har derfor for første gang gjort modellbaserte prediksjoner før årets rypetaksering.  Nå foreligger også resultatet av FeFo’s takseringer og disse samsvarer i stor grad med de prediksjonene som ble gjort.

Figur 1. Næringsnettsmodell som viser ulike drivere og deres bidrag til bestandsutvikling av lirypebestandene i Finnmark. I de røde boksene indikerer positive tall effekter som har positiv effekt på rypenes tetthet og negative tall viser effekter som har negativ effekt. Tallenes størrelse indikerer styrken av effekten. Merk at effekten av målerutbrudd gjennom vegetasjonsendringer i realiteten er en negativ effekt.

COAT-modeller for lirype

Våre statistiske modeller, som nå er basert på mer enn 20 år med data, viser at de viktigste driverne av rypetettheten på høsten (se modell i Figur 1.) er nedbør i klekkeperioden, start på vinteren høsten før (mismatch i fb.m. draktskifte), smågnagerdynamikken, kadavertilgangen om vinteren for rypenes predatorer og de store målerutbruddene som har vært i Finnmark. I mindre grad er rypebestanden påvirket av temperaturen rundt klekking og jakten året før.

De statistiske modellene som ble brukt for å forutsi tetthet av lirype på høsten i Finnmark, er basert på storskala bestandsdata på lirype fra FeFo og Hønsefuglportalen og næringsnettdata fra COAT over de siste 21 årene i Finnmark.

Årets modellprediksjoner

Årets prediksjoner (Figur 2.) viser at vi forventet en liten oppgang i rypetettheten i år, spesielt for de to modellene som har med viktige klima- og næringsnettsdrivere. Dette skyldtes at det var en relativt normal start på vinteren i fjor høst i tillegg til en ganske varm og tørr periode i juni/juli når kyllingene var nyklekt. I tillegg har nok et par år med lite smågnagere, samt relativt lite kadaver av hjortedyr i vinter, gjort at det har vært færre predatorer i systemet. Et forbehold man bør ta er at summen av alle disse positive effektene det siste året nok ikke virker rent additivt til hverandre, og at oppgangen sammenlignet med årene før i Finnmark samlet sett ser ut til å være noe mindre enn det som er predikert.

Figur 2. COATs prediksjoner av årets observerte rypetettheter (antall sett / km2) halvannen måned før takseringene ble gjort. Årets prediksjoner er gitt med konfidensintervall som angir usikkerheten rundt estimatet. De fargete symbolene viser prediksjonene fra tre alternative statistiske modeller som varierer i antatte påvirkningsfaktorer og kompleksitet – hvorav næringsnettsmodellen (oransje punkter) er den mest kompliserte (se figur 1). De observerte rypetetthetene fram til år 2020 er vist som små svarte punkter i en kurve hvor det grå feltet viser usikkerhetsmarginen. Pilene peker på den modellen med prediksjoner som er nærmest de observerte verdiene for hvert års prediksjon. 

I figur 2 kan man se at den modellen som best predikerer tellingene halvannen måned før de ble gjort, samt prediksjonenes treffsikkerhet varierer fra år til år. Dette er fordi de forskjellige driverne påvirker rypenes dynamikk i varierende grad fra år til år. Men det er allikevel interessant å se at modellene har blitt stadig bedre til å predikere neste høsts rypetetthet. Det skyldes at modellene oppdateres årlig med ny informasjon og mer data, som gjør at modellene baseres på driverdata som i stadig større grad representerer naturlig dynamikk og dermed sammenhengen mellom tetthet og de forskjellige driverne. I tillegg kan man se at særlig næringsnettmodellen fremstår mer og mer som den beste modellen for å predikere rypetettheten på høsten. Dette demonstrer at en økosystembasert tilnærming til forvaltning av rype i det lange løp gir best resultat. 

Årets modellprediksjoner vs. takseringsresultatet

FeFo publiserte nylig resultatene fra årets taksering i Finnmark fra Hønsefuglportalen (figur 3). Det er gledelig å se at våre prediksjoner samlet sett samsvarer godt med resultatet av takseringene i den forstand at endringen fra år-til-år er tilsvarende både for de predikerte fra modellen og observerte/estimerte tetthetene basert på takseringene – særlig over de siste 5 årene.

Figur 3. Grafene viser den estimert tettheten av lirypebestanden i Finnmark i perioden 2000 - 2021 (rød linje, data fra FeFo) sammenlignet med prediksjonene fra COAT’s næringsnettsmodell de siste 9 årene (oransje punkter). Merk at modellen vår predikerer gjennomsnittlig observert antall ryper per km2, mens takseringsresultatet (rød linje) er gitt som estimert antall ryper per km2 fra en modell som korrigerer for oppdagbarhet (dvs. en distance modell). Mer detaljerte data på estimert produksjon og tetthet i ulike deler av Finnmark finnes på FeFo’s hjemmesider.

Verdien av å gjøre prediksjoner

Prediksjonen om økning i lirypebestandene i Finnmark for 2021 ble mottatt som godt nytt for småviltjegere og for grunneier FeFo. Leder for utmarksavdelingen i FeFo, Einar J. Asbjørnsen uttalte i en nyhetssak på FeFo sine hjemmesider følgende: «Vi er veldig glade for samarbeidet med UiT i dette forskningsprosjektet. Kunnskapen som kommer fram her er nyttig for oss som grunneier, og gjør at vi i større grad enn tidligere kan planlegge og gjennomføre en balansert og bærekraftig småviltjakt på Finnmarkseiendommen».

FeFo uttaler videre at slike «tidlig-vurderinger» ofte har vært vage og preget av mer eller mindre kvalifisert synsing, men at de med disse modellene har nå fått et verktøy som gjør at man på et mer faglig grunnlag enn før kan komme med velkvalifiserte vurderinger om utsiktene for årets jakt før takseringene er gjennomført. Dette kommer tydelig frem i en annen kommentar fra leder for utmarksavdelingen i FeFo, Einar J. Asbjørnsen i en nyhetssak på FeFo sine hjemmesider: «SUSTAIN-prosjektet har vært nyttig for oss som grunneier. Resultatene fra modelleringen vil vi ta med oss i vurderinger over blant annet hvor mange kort som legges ut for salg i de enkelte jaktfelt. For årene som kommer har vi en forventning om at modellen vil komme med stadig mer presise prognoser, etter hvert som tidsserien blir lengre. Likevel er det viktig å huske på at dette er modelleringer, og at takseringene som gjennomføres av lokale brukerforeninger i disse dager fortsatt vil være det viktigste grunnlaget når endelige reguleringer for småviltjakta besluttes».

Takseringer av produksjon

FeFo gjør også estimering av antall kyllinger per rypehøne. Disse viser at lirypa har hatt en relativt lav kyllingproduksjon i år (se FeFo sin hjemmeside). COAT gjør tilvarende takseringer for både lirype og fjellrype i et stort område vest på Varangerhalvøya i Øst-Finnmark. Sistnevnte art - som er et verdsatt småvilt i Finnmark - overvåkes ikke av FeFo. Av COATs takseringer (figur 4) ser vi at produksjonen for fjellrype er jevnt over noe lavere enn for lirype, men med en mer markant oppgang siste året enn det vi ser for lirypene i denne regionen.

Figur 4. Estimering av årets produksjon (Kyllinger per høne) for både lirype og fjellrype i ett område vest på Varangerhalvøya (Bergebydalen og omegn). Figuren viser en oppgang i produksjonen av fjellrype, mens ingen endring for lirype, sammenlignet med fjoråret.

Andre prediksjonsmodeller i COAT

COAT arbeider med å utvikle tilvarende prediksjonsmodeller for en rekke andre bestander både i Finnmark og på Svalbard. En modell for Svalbardrype er allerede utviklet (Understanding and predicting how climate change impacts Svalbard ptarmigan population dynamics). Det arbeides nå også med tilsvarende modeller for tamrein, lauvmakk og smågnagere. I tillegg til å gi forvaltningsrelevant informasjon til ulike brukergrupper, gir slik prediksjonsmodellering en svært ærlig test på hvor godt vi forstår økosystemenes dynamikk og hvordan klimaendringer virker inn på denne dynamikken.

 

Flere nyheter

nov25 Hvor ferdes rødreven?
Av Leif Einar Støvern on 25.11.2021 10.24.00

Alle har hørt om rødreven. Mange har sett den og vet hvordan den ser ut. Forskerne vet også mye om...
Les mer..

okt27 NY COAT HISTORIE!
Av Leif Einar Støvern on 27.10.2021 03.24.00

Det er nå over 10 år siden UiT fikk i oppdrag av regjeringen å starte arbeidet med å bygge opp COAT...
Les mer..

okt14 NY! COAT Video
Av Leif Einar Støvern on 14.10.2021 10.24.00

COAT utvider overvåkingen av vegetasjon på Svalbard ved hjelp av droner og høyoppløselige bilder. ...
Les mer..

sep29 COAT predikerte oppgang i rypebestandene i Finnmark i år og dette samsvarer godt med FeFo’s takseringer
Av Leif Einar Støvern on 29.09.2021 09.24.00

COAT har modellert bestandssvingningene hos lirype i Finnmark, og sett på hva som påvirker endring...
Les mer..

sep21 Savner urtene mammutene?
Av Leif Einar Støvern on 21.09.2021 02.24.00

Et internasjonalt team ledet av en COAT -professor ved UiT foreslår en mekanisme der de store Pleis...
Les mer..

sep17 NY COAT HISTORIE!
Av Leif Einar Støvern on 17.09.2021 11.24.00

Østmarkmusa er den eneste fremmedlistede pattedyrarten på Svalbard og vert for en helsefarlige para...
Les mer..

aug31 Effekter av målerutbrudd på næringskjeder i subarktisk jord
Av Leif Einar Støvern on 31.08.2021 10.24.00

Store utbrudd av bjørkemålere  har ført til omfattende endringer i plantesamfunn fra bjørkeskog d...
Les mer..

aug19 Vegetasjonsbur på Varangerhalvøya
Av Leif Einar Støvern on 19.08.2021 01.24.00

I sommer har COAT ferdigstilt et oppsett med vegetasjonsbur på Varangerhalvøya for å bedre forstå h...
Les mer..

jun18 Hva skjer under COAT Varanger sitt sommerfeltarbeid?
Av Leif Einar Støvern on 18.06.2021 10.24.00

COAT Varanger sine forskere og assistenter er i disse dager på full fart ut på feltarbeid i Varange...
Les mer..

jun16 NY! COAT HISTORIE
Av Leif Einar Støvern on 16.06.2021 11.24.00

Lange tidsserier er viktige for å forstå endringer i naturen. Til tross for omfattende forskning på...
Les mer..