Effects of Connectivity and Spatial Resolution of Analyses on Conservation Prioritization across Large Extents

Authors


Abstract

Abstract:  The outcome of analyses that prioritize locations for conservation on the basis of distributions of species, land cover, or other elements is influenced by the spatial resolution of data used in the analyses. We explored the influence of data resolution on prioritization of Finnish forests with Zonation, a software program that ranks the priority of cells in a landscape for conservation. We used data on the distribution of different forest types that were aggregated to nine different resolutions ranging from 0.1 × 0.1 km to 25.6 × 25.6 km. We analyzed data at each resolution with two variants of Zonation that had different criteria for prioritization, with and without accounting for connectivity and with and without adjustment for the effect on the analysis of edges between areas at the project boundary and adjacent areas for which data do not exist. Spatial overlap of the 10% of cells ranked most highly when data were analyzed at different resolutions varied approximately from 15% to 60% and was greatest among analyses with similar resolutions. Inclusion of connectivity or edge adjustment changed the location of areas that were prioritized for conservation. Even though different locations received high priority for conservation in analyses with and without accounting for connectivity, accounting for connectivity did not reduce the representation of different forest types. Inclusion of connectivity influenced most the outcome of fine-resolution analyses because the connectivity extents that we based on dispersal distances of typical forest species were small. When we kept the area set aside for conservation constant, representation of the forest types increased as resolution increased. We do not think it is necessary to avoid use of high-resolution data in spatial conservation prioritization. Our results show that large extent, fine-resolution analyses are computationally feasible, and we suggest they can give more flexibility to implementation of well-connected reserve networks.

Abstract

Resumen: El resultado de análisis que priorizan sitios para conservación con base en la distribución de especies, cobertura de suelo u otros elementos está influido por la resolución espacial de los datos utilizados en el análisis. Exploramos la influencia de la resolución de datos en la priorización de bosques finlandeses con Zonation, un programa que clasifica la prioridad de conservación de las celdas en un paisaje. Utilizamos datos sobre la distribución de diferentes tipos de bosque agregados en nueve resoluciones diferentes, desde 0.1 × 0.1 km hasta 25.6 × 25.6 km. Analizamos los datos de cada resolución con dos variantes de Zonation con criterios de priorización diferentes, considerando y no considerando la conecttividad y con y sin ajuste por el efecto de bordes entre áreas sobre el análisis en los límites del proyecto y áreas adyacentes sin datos disponibles. El traslape espacial de 10% de las celdas tuvo la mayor clasificación y varió entre 15% y 60% cuando los datos fueron analizados en resoluciones distintas y fue mayor entre análisis con resoluciones similares. La inclusión de la conectividad y ajuste de bordes cambio la localización de las áreas prioritarias para la conservación. Aun cuando localidades diferentes recibieron prioridad alta para la conservación en análisis con y sin consideración de la conectividad, la representación de los diferentes tipos de bosques no disminuyó cuando se consideró la conectividad. La inclusión de la conectividad influyó en la mayoría de los resultados de los análisis de resolución fina porque las extensiones de conectividad que basamos en distancias de dispersión de especies típicas de bosques fueron pequeñas. Cuado mantuvimos constante el área conservada, la representación de los tipos de bosque incrementó a medida que incrementó la resolución. Consideramos que no es necesario evitar el uso de datos de resolución alta en la priorización espacial de la conservación. Nuestros resultados muestran que los análisis de resolución fina en grandes extensiones son factibles computacionalmente.

Ancillary