Hjorteviltpåkjørsler i Norge: Årsaksforhold, lokalisering, risiko og datakvalitet.

Rivrud, I.M., Rolandsen, C.M., Rauset, G.R., Kvasnes, M., Mysterud, A. og Solberg, E.J. 2020. Hjorteviltpåkjørsler i Norge: Årsaksforhold, lokalisering, risiko og datakvalitet. NINA Rapport 1806. Norsk institutt for naturforskning. Antall viltpåkjørsler har økt kraftig de siste tiårene, med store konsekvenser i form av økonomiske og materielle kostnader, personskader, dødsfall og svekket dyrevelferd. Omfanget av spesielt hjorteviltpåkjørsler gjør dette til en av vår tids største utfordringer innen viltforvaltningen. Økningen i viltpåkjørsler har en klar sammenheng med økt tetthet i hjorteviltbestandene, men også høyere hastigheter, økt trafikkintensitet og utbygging av veg- og jernbanenettet spiller inn. Til tross for betydelig innsats fra det offentlige for å redusere viltulykker holder antallet seg relativt stabilt, og for noen arter, som rådyr og hjort, ser vi en viss økning. Det er derfor et tydelig behov for økt kunnskap om hvilke faktorer som påvirker påkjørslene, og hva som karakteriserer farlige strekninger. Mye fokus har vært rettet mot elgpåkjørsler, da disse har størst kostnad både materielt og i form av personskader. Énartsfokus er likevel ikke tilstrekkelig om man ønsker å identifisere de underliggende årsakene til viltpåkjørsler. Hjorteviltartene har ulike adferdsmønstre, de fordeler seg ulikt i landskapet lokalt og har ulik utbredelse nasjonalt. Det kan derfor være ulike risikoområder for artene. En komparativ tilnærming gir muligheter for å skille faktorer knyttet til bestandstetthet og adferd hos dyrene fra faktorer som er knyttet til trafikkbildet. Dette er avgjørende for å øke presisjonen i risikovarslingen. Det gir også mulighet for tiltak på steder der man kan redusere antallet påkjørsler for flere arter samtidig. Målet med denne rapporten er å øke kunnskapen og identifisere faktorene som kjennetegner områder med hyppige påkjørsler av artene elg, hjort og rådyr i Norge. Vi har undersøkt effekten av vilttetthet, arealtyper, snødybde og vegkategori på risiko for påkjørsel for de ulike artene, og hvordan sesong (sommer/vinter) kan påvirke effekten av disse faktorene. Vi har tilpasset modeller der vi undersøker detaljer i hvordan de ulike faktorene påvirker påkjørselsrisiko både hos de ulike artene enkeltvis, og alle artene i en og samme modell slik at forskjell i risiko for påkjørsel kan måles eksplisitt mellom arter. Fra modellene har vi bygget risikokarter for viltpåkjørsler over hele Norges offentlige vegnett. Avslutningsvis diskuterer vi kvaliteten på datagrunnlaget som finnes i de ulike databasene over påkjørsler. Modellene viser at faktorene som påvirker viltpåkjørslene er kompleks. Ulike landskapsfaktorer påvirker påkjørselsrisiko ulikt mellom arter og mellom sesonger. Bestandstetthet var den sterkeste påvirkningsfaktoren bak romlig variasjon i påkjørselsrisiko for alle arter, med høyere risiko for påkjørsel ved økende tetthet. Artene ble ulikt påvirket av landskapsvariabler. Elg og hjort, som beveger seg over store områder, hadde større samsvar mellom hva som påvirker påkjørselsrisiko sammenlignet med rådyr, som er mer stedfaste. Mens elg og hjort i større grad opplevde økt risiko med økende andel skog- og jordbruksareal rundt påkjørselspunktet, var andelen bebygd areal en viktigere påvirkningsfaktor for påkjørsler av rådyr. Elg og rådyr opplevde økt risiko i kommuner med større snødybde, mens dette ikke var tilfelle for hjort. Det kan i hovedsak skyldes at hjorten har sitt kjerneområde i vest, der kystklimaet gjør at mer nedbør faller som regn. Samtlige arter opplevde høyest risiko for påkjørsel på riksveger, tett etterfulgt av europaveger. Fylkesveger ga lavere risiko, mens kommunale veger lå nederst i risikospekteret. Dette reflekterer sannsynligvis en gradient i trafikkbelastning og fart, og til en viss grad også tiltak mot påkjørsler, som gjerne er størst på større veger som europaveger. Kartene over relativ risiko for påkjørsel for hele det offentlige vegnettet viser at modellene våre i stor grad predikerer høyere risiko i områder der det forekommer mange påkjørsler. Dette tyder på at modellene fungerer godt for å si noe om hvor tiltak for å begrense antallet viltpåkjørsler bør settes inn, og at kartene kan brukes som grunnlag for tiltak.

Rivrud, I.M., Rolandsen, C.M., Rauset, G.R., Kvasnes, M., Mysterud, A. og Solberg, E.J. 2020. Deer-vehicle collisions in Norway: Causes, locations, risk and data quality. NINA Report 1806. Norwegian institute for nature research. Over the last decades the number of wildlife-vehicle collisions have increased drastically, causing large economic and material costs, injuries, casualties and poor animal welfare. The extent of deer-vehicle collisions makes this one of the biggest nature management challenges of Our time. The increase in wildlife-vehicle collisions is closely connected to increased population densities of cervids, but also to increased speed limits and traffic loads, and expansion of road- and Railroad networks. The number of collisions is stable despite large public measures to reduce them. For some species, such as roe deer and red deer, collisions are even increasing. Knowledge about drivers behind collisions and what characterizes areas with high accident numbers is therefore crucial. Moose-vehicle collisions, with their large costs both in terms of economy and injuries, have received most attention. However, focus on single species is not sufficient when trying to identify the underlying factors behind collisions. Both behavior and distribution locally and nationally differ for the different cervid species, which will affect the risk of collisions across the road network. A comparative approach allows for disentangling of factors connected to population density and animal behavior, and factors connected to traffic, which is crucial to increase the precision of risks and warnings. It also allows for targeting areas with increased risk for several species. The aim of this study is to identify factors characterizing areas with frequent deer-vehicle collisions, focusing on moose, red deer and roe deer. We investigated how population density, landcover, snow depth and road type affected the risk of collision for the different species, and how these factors interact with season (summer/winter). We estimated single-species models investigating these factors in detail, but also multispecies models where the variation in risk of collision between species can be measured explicitly. The models were used to build risk maps for the entire Norwegian public road network. Finally, we discuss the data quality of the different deervehicle collision databases available. Our models show a complex pattern of drivers behind deer-vehicle collisions, where the landscape variables affect the collision risk differently between species and between seasons. Deer population density was the strongest driver behind the spatial variation in collision risk for all species, with a positive relationship between risk and density. Landscape affected the species differently. Drivers behind collision risk were more similar for moose and red deer, who move over larger areas, than compared with roe deer, who are more stationary. While moose and red deer experienced increased risk in areas with higher proportions of forested and Agricultural habitats, roe deer collision risk was higher in areas with large proportions of human settlements. Collision risk was higher for moose and roe deer, but not for red deer, in municipalities With higher snow levels. The core area for red deer is in the western part of Norway, with Coastal climate and precipitation often falling as rain, which can cause this relationship. The effect of road type was more consistent between species. The largest roads (“Riksveg” and “Eurpoaveg”) had the highest collision risk, whereas collision risk on regional roads (“Fylkesveg” and “Kommunal veg”) were lower. This pattern probably reflects traffic load and speed limits, but also effective measures against collisions, which are usually more common along larger roads such as Europaveg. The maps showing relative risk of deer-vehicle collisions for all public roads across Norway predicts higher risk of collisions in the areas where observed collision density is high. This indicates that our models are useful tools when deciding the best locations for measures to reduce deervehicle collisions.