Testing GIS data-driven mapping and valuation of recreationareas in Oslo

Cimburova, Z. & Barton, D.N. 2021. Testing GIS data-driven mapping and valuation of recreationareas in Oslo. NINA Report 1931. Norwegian Institute for Nature Research. In this report, we test the Norwegian Guidance on Mapping and Valuation of Recreation Areas –“Veileder for Kartlegging og Verdsetting av Friluftslivsområder” (Miljødirektoratet, 2013). Themethodology has been developed by the Norwegian Environment Agency for implementation byall municipalities in Norway. In Oslo, the methodology was implemented under the coordinationof the Urban Environment Agency (BYM) supported by the Planning and Building Agency (PBE)for GIS mapping and by recreation organizations who recruited volunteer residents into localworking groups to carry out the valuation. The local groups validated the boundaries of recreationareas and valued them using 13 qualitative criteria provided by the M98 Guidance. This reportis a result of NINAs URBAN SIS following the implementation of the methodology in Oslo overthe three years of the project.In Oslo, we observed that valuation groups to a limited extent made use of the available GIS data on recreation area qualities to support their valuation. In this report, we test how far the available GIS and mobility data can be used to implement the multiple criteria in the M98 Guid-ance. One aim is to demonstrate which criteria have a high correlation between “big data” algo-rithm-based scoring and local group valuation. These criteria would be candidates for algorithm-based scoring and/or more data support when recreation maps are revised in future. The results of this GIS testing by the authors are also evaluated by the recreation managers and consultants who were involved in the implementation of the method in Oslo. In summary, our results and evaluation indicate that GIS-based methods could in many cases supplement and in some cases replace the M98 supporting criteria. For the M98 main criteria, GIS-based methods are highly suitable for modelling user frequency and possibly replacing subjective-based scoring. In our opinion, GIS-based methods could also provide support to local groups in evaluating experience qualities, suitability and on-site facilitation criteria. GIS-based approaches are medium suitable for symbolic value. In the case of symbolic value, we lack theories about spatially defined characteristics upon which to base modelling. In the case of function, it was found hard to model with the current M98 definition. The present definitions are confounded with the recreation area class “green corridors”. However, there is scope for modelling the connectivity of recreation ar-eas using spatial modelling to support the classification of corridors. For example, tree-lined and garden-fronted streets may be shown to have recreational connectivity value, although they are currently not identified as recreation areas. The aggregation of scores into a final value in M98 Guidance based on the maximum score of any main criterion is very sensitive to computational inaccuracies in individual criteria. Moreover, a combination of high maximum score and low overall score (or the other way around) appears in 210 of the 1412 recreation areas in Oslo. The M98 Guidance does not provide a solution for this combination. We propose a combination of the maximum and overall scores to resolve this ambiguity in the M98 Guidance. How could a GIS-based method support the next revision of the mapping and valuing of recreation areas? Overall, we think that the GIS-based criteria scoring could be used in an initial phase to pre-classify the poorest quality areas. In Oslo, a GIS-based scoring would identify all C value recreation areas with an error rate of only 11,5 %. This could be used to help local valuation groups focus on scoring/differentiating B and A value areas, thereby reducing volunteer time. For criteria requiring knowledge of conditions outside the recreation area in question and/or spatial relationships, we think the GIS-based criteria scoring can improve the participatory method used in Oslo. We find a high statistical correlation between the M98 valuation criteria. A case can be made for simplifying the criteria system to those criteria that provide the most information about recreation value. Criteria that are correlated could be merged into a single indicator or in some cases even dropped in favor of the most clearly defined. By reducing criteria, assessment time can be saved in the participatory process, making it easier to update the maps and value categories in future. The report also points out some general mapping challenges for GIS-based methods. They are also relevant as possible sources of bias in experience-based participatory mapping and valuation by local groups. We suggest that local groups should be made aware of these common spatial valuation biases as part of local group training in advance of participatory mapping. The M98 Guidance represents a practical example of recreation service mapping for municipal planning purposes. It is unique among national experiences with recreation mapping in being conducted at a municipal level, using local participatory methods and/or public consultation. It also fulfils some of the objectives of national-level ecosystem accounting currently being dis-cussed by the UN System of Environmental and Economic Accounts (SEEA) Ecosystem Ac-counts (EA). M98 can be seen as a hybrid ecosystem condition and recreation service mapping approach. Norway’s M98 approach is currently “only” a recreation mapping qualitative valuation method. If the M98 method is repeated periodically in municipalities, it has the potential to satisfy the basic requirement for national accounting of recreation ecosystem extent, condition and physical service accounting. Ecosystem condition and service accounting periodically will be facilitated by using GIS and spatial methods. Monitoring systems for actual user frequency of recreation areas – using mobile app data – will meet the requirements for physical recreation use account-ing. Spatial mapping of user frequency will also go a long way to strengthening policy and plan-ning applications of M98. We also see M98 recreation area types and selected characteristics as contributing to fill the information gap on ecosystem condition of urban areas in the ecological base map for Norway.Cimburova, Z. & Barton, D.N. 2021. Testing GIS data-driven mapping and valuation ofrecreation areas in Oslo. NINA Report 1931. Norwegian Institute for Nature Research. I denne rapporten testet vi «Veileder for Kartlegging og Verdsetting av Friluftslivsområder» (Miljødirektoratet, 2013). Metoden er utviklet av Miljødirektoratet for implementering i alle landets kommuner. Resultatene er tilgjengelig på naturbase.no. I Oslo, ble kartleggingen gjennomført under ledelse av Bymiljøetaten, med støtte fra Plan- og Bygningsetaten. Friluftsorganisasjonene OFF, OOF, og FNF bisto med rekrutering, organisering og gjennomføring av verdsetting med lokale grupper i hver bydel bestående av frivillige friluftsinteresserte. Gruppene sjekket grenser og klassifisering av friluftslivsområder og scoret 13 kriterier i M98 veilederen for tilsammen 1412 friluftslivsområder i Oslo i alle bydelere, Marka og øyene i Oslofjorden. Prosjektet varte i tre år. Rapporten er et resultat av en 3-årig følgestudie under URBAN SIS prosjektet finansiert av Norges Forskningsråd. I Oslo observerte vi at verdsettingsgruppene i begrenset grad brukte tilgjengelige GIS kartlag om arealkvaliteter for å støtte deres skåring av kvaliteter ved friluftslivsområdene. I denne rapporten tester vi derfor hvor langt tilgengelige GIS og digitale mobilitetsdata kan brukes i å støtte verdsetting av friluftslivsområder etter M98 Veilederen. Et mål er å vurdere hvilke kriterier har størst samvariasjon etter (i) deltagende metoder med lokale verdsettingsgrupper sammenlignet med (ii) GIS-basert scoring ved bruk av tilgjengelig “stordata” – digitale kartverk og mobilitetsdata fra applikasjoner. Kriterier med stor samvariasjon vil være kandidater for større bruk av romlige data og algoritmer for skåring i fremtidig oppdatering av kartene. Resultatene fra vår testing av GIS-basert skåring ble evaluert sammen med koordinatorene for studien i BYM, OFF, OOF, og FNF. Dette hjalp med formulering av mulige fremtidige forbedringer. Resultatene i denne rapporten står imidlertid for forskernes egen regning. Resultatene våre viser at GIS-basert skåring kan i flere tilfelle støtte, og i noen tilfeller erstatte gruppe-basert skåring av Støttekriteriene i M98 Veilederen. For Hovedkriteriene kan GIS-basert skåring være egnet for å støtte kartlegging av brukerfrekvens, og muligens erstatte kvalitativ vurdering i grupper. Vi konkluderer med at GIS-baserte metoder også kan brukes til å støtte lokale gruppers vurdering av kriteriene for opplevelseskvaliteter, egnethet og tilrettelegging. GIS-baserte metoder er mindre egnet for kriteriet symbolverdi. For symbolverdi som kriterium mangler definisjoner som kan kartlegges romlig. For kriteriet funksjon var det vanskelig å modellere med GIS. Imidlertid skyldes det delvis at kriteriet også kan forveksles med arealkategorien «grønne korridorer». Det er imidlertid muligheter for å bruke konnektivets-modellering for å identifisere grønne korridorer i fremtidige oppdateringer. For eksempel vil grønne gateløp i byer som per i dag ikke klassifiseres som friluftslivsområder kunne vise seg å ha korridorfunksjon for friluftsliv i større byer som Oslo. I M98 kombineres scorene for hovedkriteriene til en friluftslivsverdi A-D for alle områder. Tabellen for å kombinere ulike skårer er svært følsom for beregningsfeil i individuelle kriterier fordi den avhenger i stor grad av at minst ett kriterium har maksimum skår. Videre er kombinasjonen av maksimums skår og lav skår ellers (eller motsatt) en realitet i 210 av Oslos friluftslivsområder. Etter vår erfaring håndteres ikke slike avveininger godt av verdsettingsmetoden i M98 Veilederen. I rapporten foreslår vi en revidert verdsettingstabell for å håndtere dette. Hvordan kan GIS-baserte metoder støtte kartlegging og verdsetting av friluftslivsområder fremover? Alt i alt tenker vi at GIS-basert skåring kunne brukes innledningsvis for å pre-klassifisere friluftslivsområder med lavest kvalitet. I vår test i Oslo identifiserte den GIS-baserte metoden C-områder med en feilklassifisering på bare 11,5 %. Feilen var mye større for A og B områder og dermed ikke egnet for preklassifisering av de beste områdene. Men en slik screening av lavt verdsatte områder kunne anvendes for å få bedre disponere tiden til de frivillige i gruppene til vurdering av A- og B-områder. For kriterier som krever kunnskap om kvaliteter i nabolaget rundt friluftslivsområdet og/eller romlige relasjoner til naboområder, tror vi at GIS-basert metode kunne bidra til å forbedre deltagende kartlegging og verdsetting i Oslo etter M98 Veilederen. Vi finner høy statistisk samvariasjon mellom ulike M98 kriterier. Vi foreslår en revidering for å se om systemet kan forenkles til de kriteriene som gir mest informasjon om verdien av friluftslivsområder. Kriterier som samvarierer mest kunne enten slås sammen til én indikator, eller i noen tilfelle droppes fra metoden om det finnes et bedre definert alternativ. Ved å redusere kriterie-antallet vil tid kunne spares i den deltagende prosessen med lokale grupper, og gjøre det lettere å rullere kartlegging og verdsetting i fremtiden. Rapporten viser til noen utfordringer vi har hatt med romlig modellering av kriteriene. Det er noen tekniske kartleggingsfeil som også går igjen i subjektiv “manuell” kartlegging og verdsetting. Vi foreslår at noen av disse subjektive vurderingsfeilene kunne gjennomgås med deltagerne i for-kant av de deltagende prosessene med de lokale brukergruppene. M98 Veilederen er et praktisk eksempel på kartlegging av naturgoder / økosystemtjenester for kommunale formål. Det er unikt i forhold til kartleggingsprosjekter på nasjonalt nivå når vi sammenligner med andre land, først og fremst fordi verdsettingen er gjennomført lokalt av innbyggere og/eller lokale fagfolk i kommunene. Det er også gjenstand for offentlig høring. M98 oppfyller mange av målsettingene med nasjonalt naturregnskap for friluftsliv, etter mal fra FNs System of Environmental and Economic Accounts (SEEA) Ecosystem Accounts (EA). Vi tolker M98 som en hybrid mellom arealregnskap og økosystemtilstand for friluftslivsområder. Med mobilitetsdata kan dette potensielt også være grunnlag for brukerregnskap. Per i dag er metoden “bare” éngangskartlegging og verdsetting. Ved rullering vil dette bli et friluftslivsregnskap. Periodisk naturregnskap over økosystemtilstand og -bruk for friluftslivsformål vil gjøres mye mer kostnadseffektivt med GIS-baserte metoder, supplert med deltagende validering og verdisetting slik M98 allerede legger opp til. Overvåkning av antall brukere med mobil og treningsapp-data som er kalibrerte til å representere befolkningen er under uttesting. Romlig kartlegging av brukerfrekvens vil også bidra til bedre anvendelse av M98 kartlegging og verdsetting i tiltaksanalyser og konsekvensvurdering. Vi ser også at M98 kriterier bidrar til å fylle kunnskapshullet i økologiske grunnkart, som per i dag mangler kvalitetsbeskrivelser av natur i tettsteder