Barkbilleovervåking

NIBIO og skogbruksetaten utfører en årlig registrering av barkbillebestandene i Norge. Les mer om årets resultater under.

For deltakere i barkbilleovervåkingen
Les mer
Foto: Bjørn Økland/NIBIO
Foto: Bjørn Økland/NIBIO
KONTAKTPERSON
Medarbeidere
Barkbillebestandene over tid

Filen under er et utdrag av NIBIO Rapport: Granbarkbillen. Registrering av bestandstørrelsene i 2016.
 
Hele rapporten ligger under "Publikasjoner" nederst på siden.

Figurer som viser utvikling av barkbillebestandene

0.059 MB pdf

Publikasjoner

Til dokument

Forfattere

Bjørn Økland Gro Wollebæk

Sammendrag

Nord-Trøndelag og Oppland var de eneste fylkene med økning av fangstverdiene fra 2016 til 2017. Trøndelag hadde blant de høyeste fangstverdier i landet i 2017 til tross for sin nordlige beliggenhet, og lokale nye angrep i Trøndelag forklares med mange overvintrende barkbiller og ettervirkninger av billeproduksjon etter tidligere stormfellinger. En svært varm mai-måned i de nordlige og høyereliggende områdene av Oppland ga økning i billefangstene her, mens billefangstene gikk ned i det våte og kjølige været i det øvrige av Østlandet og Sørlandet. Nivået av barkbiller er imidlertid middels høyt og kan raskt endre seg om vi får store vindfellinger og varme og tørre somre i tiden som kommer. Fellefangster fra nye lokaliteter i barkbilleovervåkingen indikerer at granbarkbillen er til stede lenger vest og nord i landet enn tidligere kjent.

Til dokument

Forfattere

Bjørn Økland Gro Wollebæk

Sammendrag

Den generelle økning i barkbillefangstene som vi har sett de siste årene fortsetter også i 2016. Økningen var mest markert i Midt-Norge og Nord-Norge, mens mye nedbør trolig har begrenset flukt og formering for billene på Østlandet. I Trøndelag har det vært flere påfølgende år med gode betingelser for barkbillene, og Sør-Trøndelag har i 2016 den høyeste verdien som har vært målt for dette fylket i barkbilleovervåkingen. Flere kommuner i Nord-Trøndelag rapporterer om spredte forekomster av skader på grunn av granbarkbiller. Økt skade av granbarkbillen i nordlige områder med lite barkbilleproblemer tidligere er også en trend i andre deler av Nord- Europa. Fellefangstene dokumenterer at granbarkbillen forekommer i vestlige og kystnære områder i Vest-Agder (Lyngdal og Mandal) hvor gran har blitt plantet i nyere tid. Flere vestlige fylker som Rogaland, Hordaland, Sogn og Fjordane og Møre og Romsdal får stadig mer gran i attraktiv alder for granbarkbillen, men det mangler overvåkingsdata for granbarkbillen fra disse fylkene. Den generelle økning i barkbillefangstene som vi har sett de siste årene fortsetter også i 2016. Økningen var mest markert i Midt-Norge og Nord-Norge, mens mye nedbør trolig har begrenset flukt og formering for billene på Østlandet. I Trøndelag har det vært flere påfølgende år med gode betingelser for barkbillene, og Sør-Trøndelag har i 2016 den høyeste verdien som har vært målt for dette fylket i barkbilleovervåkingen. Flere kommuner i Nord-Trøndelag rapporterer om spredte forekomster av skader på grunn av granbarkbiller. Økt skade av granbarkbillen i nordlige områder med lite barkbilleproblemer tidligere er også en trend i andre deler av Nord- Europa. Fellefangstene dokumenterer at granbarkbillen forekommer i vestlige og kystnære områder i Vest-Agder (Lyngdal og Mandal) hvor gran har blitt plantet i nyere tid. Flere vestlige fylker som Rogaland, Hordaland, Sogn og Fjordane og Møre og Romsdal får stadig mer gran i attraktiv alder for granbarkbillen, men det mangler overvåkingsdata for granbarkbillen fra disse fylkene.

Til dokument

Forfattere

Juraj Galko Bjørn Økland Christo Nikolov Slavomír Rell Andrej Kunca

Sammendrag

Six trap models were compared with respect to their ability to capture European spruce bark beetles and technical details in handling and use. All trap models proved to be efficient and gave high captures of beetles during operation for one summer season (2013). Ranking the trap models in descending order of total capture of beetles gave this list: Lindgren trap, Theysohn, prototype-P, Ecotrap, BEKA, and prototype-K. However, there was much variation in trapping results between localities for all trap models, and the estimated means did in most cases not differ significantly between models. The estimated mean capture of the Lindgren trap was significantly higher than for prototype-K and BEKA, but their confidence intervals were wide and they were close to being insignificantly different. The retail price of the traps vary from about 10 € (Ecotrap) to 50-55 € (Lindgren), while prices are not available for the two prototypes, which are not in regular production. Advantages and disadvantages concerning weight, size, robustness, draining of rain water, ease of handling and mounting are commented on in the discussion, and technical details of the traps are presented in a separate appendix (6).

Til dokument

Forfattere

Sonia M. Ortiz Johannes Breidenbach Gerald Kändler

Sammendrag

Bark beetles cause widespread damages in the coniferous-dominated forests of central Europe and North America. In the future, areas affected by bark beetles may further increase due to climate change. However, the early detection of the bark beetle green attack can guide management decisions to prevent larger damages. For this reason, a field-based bark beetle monitoring program is currently implemented in Germany. The combination of remote sensing and field data may help minimizing the reaction time and reducing costs of monitoring programs covering large forested areas. In this case study, RapidEye and TerraSAR-X data were analyzed separately and in combination to detect bark beetle green attack. The remote sensing data were acquired in May 2009 for a study site in south-west Germany. In order to distinguish healthy areas and areas affected by bark beetle green attack, three statistical approaches were compared: generalized linear models (GLM), maximum entropy (ME) and random forest (RF). The spatial scale (minimum mapping unit) was 78.5 m2. TerraSAR-X data resulted in fair classification accuracy with a cross-validated Cohen’s Kappa Coefficient (kappa) of 0.23. RapidEye data resulted in moderate classification accuracy with a kappa of 0.51. The highest classification accuracy was obtained by combining the TerraSAR-X and RapidEye data, resulting in a kappa of 0.74. The accuracy of ME models was considerably higher than the accuracy of GLM and RF models.