Framtidens miljöövervakning

Projektet ska använda data från det svenska programmet för effekt och kemikalie-övervakning av havsmiljön och data från fallstudier för att testa nya metoder för dataintegrering och generering av bedömningskriterier. Projektet kommer även att optimera nya biomarkörer för övervakning. Målet är att beskriva en strategi för en förbättrad miljöövervakning där man på ett bättre sätt integrerar data med hjälp av nya bedömningskriterier. Kunskapen som tas fram kan bidra till nya strategier för framtida miljöriskbedömningar, bedömningar som är nödvändiga för att utvärdera kustnära havsområden för god miljöstatus och för att harmonisera övervakningsverksamheten inom EU och det marina ramdirektivet.

Projektledare: Joachim Sturve, Göteborgs universitet

Beviljade medel: 5 000 000 kronor

Projektet HÄMImpact syftar till att stärka och utveckla det svenska programmet hälsorelaterad miljöövervakning (akronym HÄMI) som övervakar människans exponering för farliga kemikalier från miljön. Projektet vill utveckla och implementera ny övervakningsmetodik via så kallad mikroprovtagning där mycket små volymer blod samlas in via självprovtagning och används för analys av miljögifter. Mikroprovtagningen kommer därefter implementeras i pågående HÄMI-studier på människor. Vidare kommer projektet att utvärdera och rekommendera den bästa dataanalysen för analys av flera exponeringar. Projektet ska utveckla nya metoder för databehandling av HÄMI på nya och befintliga data och därigenom öka tillgängliggörandet av data. Med HÄMImpact vill forskarna utveckla och stärka miljöövervakningen av giftiga kemikalier vilket i sin tur leder till förbättrat underlag för uppföljning av de svenska miljömålen, dricksvattendirektivet, officiell statistik och EU:s nollföroreningsstrategi och gör miljöövervakningen mer kostnadseffektiv.

Projektledare: Karin Broberg, Lunds universitet och Karolinska Institutet

Beviljade medel: 4 947 060 kronor

Elfiskedata ligger till grund för övervakningen av många fiskpopulationer i nordiska vattendrag och spelar en nyckelroll i bedömningen av ekologisk status enligt vattendirektivet. De metoder som används inom analys av svensk elfiskedata klarar i dagsläget inte att hantera data på ett konsekvent sätt. Projektet BAYeFISH ska utveckla en hierarkisk Bayesiansk modell för elfiskedata som nyttjar data från kvantitativa fisken för att stärka skattningar från enkla kvalitativa fisken. Likheter i karaktär inom- och mellan lokaler/vattendrag nyttjas för att beräkna förväntade fisktätheter från kvalitativa fisken, vilket möjliggör en effektiv användning av all insamlad data. Ett användarvänligt interaktivt webbverktyg (Shiny-app) ska tas fram så att olika aktörer kan använda modellen och erhålla resultat i egna analyser. Projektet ska fram nya rekommendationer om hur utformningen av elfiskeprogram kan optimeras för att säkerställa att insamlad data uppnår syftet med insamlingsprogrammen på ett kostnadseffektivt sätt.

Projektledare: Rebecca Whitlock, Sveriges lantbruksuniversitet

Beviljade medel: 2 474 543 kronor

ELEVATE-projektet syftar till att förbättra effektiviteten i det svenska övervakningsprogrammet för alpina växter. Nationella miljöövervakningsprogram, såsom Sveriges Riksskogsinventering (RT) och Nationella inventeringar av landskap i Sverige (NILS), ger viktiga data om habitat som myrar, gräsmarker och skogar. Effektiviteten hos dessa program beror på faktorer som stickprovsstorlek, datakvalitet och förmågan att upptäcka tidiga förändringar i vegetationen. Drönarbilder, med sin höga upplösning, kan förbättra datainsamlingen och analysen genom att fungera som en länk mellan fält-, flyg- och satellitdata. De har också potential att minska fältarbetet genom att automatisera skattningar av täckningsgrader för olika arter, som görs idag visuellt. ELEVATE-projektets mål är att förbättra effektiviteten i övervakningen av alpin vegetation i Sverige genom att integrera Deep Learning bildanalys med data från drönare, flygbilder, LIDAR och satelliter. Projektet är uppdelat i tre arbetsområden: förbättra noggrannheten i fältdata med drönare, förbättra modellbaserade kartor med flyg- och LIDAR-data, och kombinera satellit- och flygbilder för bättre vegetationskartering.

Projektledare: Sven Adler, Sveriges lantbruksuniversitet

Beviljade medel: 4 991 442 kronor

Oavsiktliga bifångster i fisket är ett av de största hoten mot våra skyddade marina arter som havsfåglar, hajar och marina däggdjur. Elektronisk datainsamling med hjälp av kameror ombord på båtar möjliggör en kvantitativ men också en kvalitativ insamling av data för att estimera bifångst. Manuell analys av film data är dock tidskrävande och kostsam. Med maskininlärning är det möjligt att automatiskt detektera bifångster, vilket effektiviserar analysen. I detta projekt kommer forskarna att utveckla maskininlärningsmodeller för att detektera bifångster och kvantifiera och kvalitetskontrollera filmdata. Genom samarbete med andra institutioner tränas modellerna på ett större dataunderlag och modellernas precision förbättras. Metoder tas fram så att maskininlärningsmodellerna ska kunna användas i praktiken vid analys av filmdata.

Projektledare: Sara Königson, Sveriges lantbruksuniversitet

Beviljade medel: 4 982 017 kronor

Målet med projektet är att underlätta införandet av cellbaserade effekttester i svensk miljöövervakning och riskbedömning av förorenande akvatiska system. Införande av cellbaserade effekttester i miljöövervakningen hindras av svårigheten att tolka resultaten samt av utmaningen att fastställa effekttrösklar för när åtgärder bör vidtas. Genom tre svenska fallstudier med olika föroreningskällor kommer projektet att undersöka hur cellbaserade tester kan utnyttjas i dessa fall: en å med inblandning av avloppsvatten, ett område med oljespill och ett industriellt avlopp. Data samlas in med hjälp av tillgängliga standardiserade cellbaserade effekttester. Parallella kemiska analyser kommer att ge en mer fullständig bedömning av den potentiella kemiska risken och även visa hur mycket risk traditionell kemisk analys missar jämfört med de effektbaserade metoderna. Kontinuerlig dialog med myndigheterna kommer att hjälpa till att utveckla, testa och sprida konkreta riktlinjer för användning av cellbaserade effektmetoder i Sverige med hänsyn till regulatoriska behov. Insamlade data kan fungera som referens för framtida tolkningar. Riktlinjerna kommer att omfatta metoder, effekttrösklar och uppföljningsåtgärder, vilket underlättar användningen av dessa metoder i Sverige.

Projektledare: Gunnar Thorsén, IVL Svenska Miljöinstitutet AB

Beviljade medel: 4 992 615 kronor

I detta projekt ska forskarna ta fram ett förslag till ny modell för provtagning och markanalyser inom markinventeringen. Sverige rapporterar utsläpp och upptag av växthusgaser i gräs- och skogsmark baserade på upprepade omdrev inom miljöövervakningsprogrammet Markinventeringen. Utsläpp och upptag av koldioxid i mark utgör kvantitativt betydande andelar av Sveriges nationella växthusgasbalans. Den statistiska osäkerheten i förändringsskattningarna är dock hög. Syftet med projektet är att utveckla en provtagnings- och provanalysmodell för kolförrådsbestämningar som baseras på provtagningar av många små jordprover över en hel inventeringsyta. Då minskar den statistiska osäkerheten mellan inventeringsomdreven för varje inventerad provyta eftersom den lokala representativiteten av kolförrådsskattningen ökar. Genom att introducera analyser med infraröd spektroskopi kan analyskostnaderna för det ökande antalet prover begränsas. Med hjälp av dessa data kan minskningen i statistisk osäkerhet bestämmas och vi kan förutsäga hur mycket vi kan minska osäkerheterna vid beräkningar av kolförrådsförändringar. 

Projektledare: Erik Karltun, Sveriges lantbruksuniversitet

Beviljade medel: 4 519 000 kronor