# Introductie
MNP is het _Model for Nature Policy_, voorheen de _Meta Natuurplanner_. MNP is bedoeld om te bepalen of bepaalde natuurlijke soorten (dwz geen gecultiveerde of gedomesticeerde) duurzaam in Nederland kunnen bestaan, gegeven bepaalde inrichting en kwaliteit van de leefomgeving. MNP is momenteel toegerust voor het doorrekenen van vogels, vlinders en planten. Het percentage soorten dat duurzaam kan bestaan wordt aangeduid met het `doelbereik`, dit is een van de belangrijkste MNP uitkomsten. Uit de [Evaluatie Natuurpact](https://research.wur.nl/en/publications/metanatuurplanner-v40-status-a-toepassing-voor-evaluatie-natuurpa) volgde een doebereik van 53% (77 van 146 soorten, 16 vogels, 9 vlinders, 52 planten).    

MNP is ontwikkeld door Wageningen Environmental Research (WENR) in opdracht van het Planbureau voor de Leefomgeving (PBL). Een belangrijke toepassingsveld van MNP zijn scenariostudies, waarbij bijvoorbeeld het areaal en kwaliteit natuurgebieden verandert; welke soorten profiteren daarvan en welke niet? Een voorbeeld hiervan is de [Scenario Natuurinclusief](https://research.wur.nl/en/publications/natuurverkenning-2050-scenario-natuurinclusief) studie. Tevens ligt MNP ten grondslag aan diverse indicatoren van het Compendium voor de Leefomgeving (CLO), zoals de [Geschiktheid ruimtelijke condities landnatuur](https://www.clo.nl/indicatoren/nl1523-ruimtelijke-samenhang-natuurgebieden?ond=20891).

Eerdere versies van MNP zijn ontwikkeld in Access en C++. Diverse rapportages beschrijven MNP in detail: 

* Van Hinsberg _et al._ (2023) [Review van de MetaNatuurplanner (MNP)](https://www.pbl.nl/publicaties/review-van-de-metanatuurplanner-mnp)
* Pouwels _et al._ (2017) [MetaNatuurplanner v4.0 - Status A: Toepassing voor Evaluatie Natuurpact](https://research.wur.nl/en/publications/metanatuurplanner-v40-status-a-toepassing-voor-evaluatie-natuurpa)
* Pouwels _et al._ (2016) [MetaNatuurplanner v2.0 Status A](https://www.pbl.nl/sites/default/files/downloads/pbl-2020-lerende-evaluatie-van-het-natuurpact-2020-tweede-rapportage-3852.pdf)

Zie ook het PBL: [MetaNatuurPlanner](https://www.pbl.nl/modellen/meta-natuurplanner-model-for-nature-policy-mnp)

In 2022 is besloten om MNP te herschrijven naar Python. De aanleiding hiertoe was: 

* toekomstbestendig maken van de broncode en overdragen naar volgende generatie onderzoekers
* MNP gebruiksvriendelijker maken
* MNP output laagdrempeliger en intuatiever maken
* MNP voorbereiden op toekomstige uitbreiding van toepassingsgebied en rijkweidte
  
Eind 2022 is de herprogrammering van MNP afgerond, niettegenstaande diverse uitbreidingsideeen voor later. Uit [testen](#vergelijking-mnp-7.0-MNP 4.0) blijkt dat de nieuwe MNP uitkomsten naargenoeg identieke resultaten produceert als MNP 4.0, gegeven dezelfde input.

## MNP in theorie
Het MNP berekent het verwachte effect van beleidsmaatregelen op het duurzaam voorkomen van soorten in Nederland. 
Het gaat hierbij om de grote lijnen, het model is een sterke versimpeling van de werkelijkheid en rekent voornamelijk 
met factoren waar beleid invloed op kan hebben.

Het gebruik van MNP voor scenario's gebeurt in een breder framework ([Pouwels _et al._, 2020](https://doi.org/10.18174/536241)),
zoals hieronder uitgebeeld.

![framework verkenningen](../_images/framework_natuurverkenning.png)

Het (rekenmodel) MNP zelf, beslaat hierin enkel fase 4, die weer is onderverdeeld in drie stappen:

1. _Toekomstbeeld en verhaallijn_
2. _Uitgangspunten_
3. _Uitwerking op kaarten_
4. Modelanalyses MNP
   1. Determineren van soortspecifieke habitatgeschiktheid
   2. Evaluatie van verwacht voorkomen per soort
   3. Aggregeren naar beleidsrelevante indicatoren
5. _Expertkennis_
6. _Interpretatie resultaten_
7. _Specifieke analyses_

### Van scenario naar invoerkaarten

Fases 1 t/m 3 van het framework vallen buiten het MNP en zijn grotendeels maatwerk. [Breman _et al._ (2022)](https://doi.org/10.18174/558179)
en [Pouwels _et al._ (2020)](https://doi.org/10.18174/536241) beschrijven hoe deze fases voor de Natuurverkenning 2050
zijn doorlopen. [Biersteker en Roelofsen (2024)](https://doi.org/10.18174/644299) beschrijven dezelfde fases voor een 
_ex-ante_ evaluatie. Hoe deze fases precies worden uitgevoerd hangt dus af van het type analyse.

Fase 3, het uitwerken van uitgangspunten op kaarten volgt wel een redelijk vast patroon. Zie 
[Scenariobuilder](../contents/mnp_gebruiken.md#scenariobuilder) voor een uitleg over hoe deze fase wordt gefaciliteerd.

### Modelanalyses MNP

Hieronder volgt een flowchart van de stappen in MNP (fase 4).

![MNP flowchart](../_images/flow_diagram.png)

MNP berekent verwacht voorkomen eerst per soort (zie de [species_models](../apidocs/mnp/mnp.species_models.species_models.rst) 
module) en aggregeert de resultaten van de individuele soorten daarna tot eindindicatoren (zie de 
[subselection_evaluation](../apidocs/mnp/mnp.evaluation.subselection_evaluation.rst) en 
[subselection_output](../apidocs/mnp/mnp.evaluation.subselection_output.rst) modules.

### Determineren van habitatgeschiktheid
MNP berekent de soortspecifieke habitatgeschiktheid volgens de volgende formule:

$$
\text{HSI}_i = \sum{f(\text{VT}_x) \text{frac}_{x,i} \text{E}_i} 
$$
als

$$
f(\text{VT}_x) \text{E}_i >= \text{HSI}_{min}
$$

waarin $\text{HSI}_i$ de Habitat Suitability Index van pixel $i$ is, $f(\text{VT}_x)$ de geschiktheid van 
vegetatietype/beheertype $x$ bij optimale abiotische condities, $\text{frac}_{x,i}$ de fractie vegatatietype/beheertype 
$x$ in pixel $i$ en $\text{E}_i$ de geschiktheid van de abiotische condities van pixel $i$. Wanneer een combinatie van
$f(\text{VT}_x)\text{E}_i$ lager is dan $\text{HSI}_{min}$ wordt de combinatie als marginaal geschikt beschouwd en niet
meegenomen in de totale $\text{HSI}$ van die pixel. Voor de implementatie van de berekening, zie de 
API documentatie voor de [habitat_suitability](../apidocs/mnp/mnp.species_models.habitat_suitability.rst) module.

De geschiktheid van de abiotische condities, ook wel de environmental factor $\text{E}$, is een functie van de 
verschillende abiotische condities. De implementatie van MNP is flexibel in de formule voor $\text{E}$. In de huidige
versie van MNP wordt de volgende functie gebruikt:

$$
\text{E}_i = f(\text{pH}_i) f(\text{Ndep}_i) f(\text{GVG}_i)
$$

waarbij $f(\text{pH})$ de geschiktheid is op basis van de pH van de bodem, $f(\text{Ndep})$ de geschiktheid op basis van
de hoeveelheid stikstofdepositie en $f(\text{GVG})$ de geschiktheid op basis van de gemiddelde voorjaarsgrondwaterstand.
Hier gebruikt MNP dus een vermenigvuldiging van de individuele geschiktheden van de abiotische condities. Voor de 
implementatie van de berekening, zie de API documentatie voor de [environmental_factor](../apidocs/mnp/mnp.species_models.environmental_factor.rst) module.

Een alternatieve formule, op basis van het principe Liebig, waarbij de meest beperkende factor bepalend is, is ook 
bruikbaar. Verschillende vormen van deze methode zijn door [Wamelink _et al._ (2022)](https://doi.org/10.18174/585013) 
getest maar bleken niet te leiden tot een verbetering van de soortmodellen.

De geschiktheid van de verschillende abiotische condities wordt gedetermineerd via trapsgewijze responscurven 
([Pouwels _et al._, 2016](https://doi.org/10.18174/382057)):
![MNP responscurven](../_images/mnp_trappetjes.png)

De HSI-kaarten voor de individuele soorten worden weggeschreven in de MNP `cover` directory.

### Evaluatie van verwacht voorkomen
Wanneer voor een soort de habitatgeschiktheid is gedetermineerd, kan worden gekeken naar het effect van versnippering of
fragmentatie van het geschikte habitat. Tot dusver was de analyse op basis van de lokale condities, nu wordt ook de 
ruimtelijke context meegenomen. Dit gebeurt in de volgende stappen:

1. HSI-kaart binair maken, waarbij 1 = habitat en 0 = geen habitat
2. Determineren welke stukken habitat binnen de lokale fusie-afstand of `local_distance` van elkaar vallen (lokale 
populaties), zie de API documentatie voor de [clustering](../apidocs/mnp/mnp.species_models.clustering.rst) 
module
3. De voor geschiktheid gecorrigeerde som berekenen van het areaal habitat voor elke lokale populatie 
4. Determineren welke lokale populaties groot genoeg zijn om een sleutelpopulatie of `key_population` te vormen 
5. Determineren of er in Nederland voldoende sleutelpopulaties zijn om duurzaam te kunnen bestaan

Voor de implementatie van stappen 3, 4 en 5, zie de API documentatie voor de 
[species_evaluation](../apidocs/mnp/mnp.species_models.species_evaluation.rst) 
module.

### Aggregatie naar beleidsrelevante indicatoren
Wanneer per soort is bepaald of de condities op orde zijn om duurzaam in Nederland voor te komen, kunnen de resultaten 
geaggregeerd worden. 

De resultaten worden ongewogen geaggregeerd, elke soort weegt dus even zwaar mee. 

Voor de soortenindicator wordt het aantal soorten dat duurzaam voor kan komen, gesommeerd. Deze som kan dan worden 
gedeeld door het aantal soorten dat is doorgerekend om tot het percentage doelbereik te komen. 

Voor de ecosysteemindicator, ook wel `fraction_key_populations`, wordt per pixel gekeken voor hoeveel soorten deze pixel
onderdeel is van een sleutelpopulatie. Deze som wordt gedeeld door het aantal doorgerekende soorten dat voor die pixel 
voor zou kunnen komen wanneer de drukfactoren (verzuring, eutrofiëring, verdroging en versnippering) **niet** mee zouden 
worden genomen.

MNP is flexibel in welke soorten worden meegenomen in deze aggregatie. Standaard is dit de lijst 
met 146 soorten die typerend zijn voor de VHR én in de validatieronde van 2016 als goed genoeg gemodelleerd zijn 
gekwalificeerd. Ook kan worden gekozen om alleen een bepaalde soortgroep, bijvoorbeeld vlinders, of alleen stikstofgevoelige soorten te aggregeren. Bij elke MNP run kunnen 
meerdere soortselecties worden doorgerekend. Zie de API documentatie voor de [subselection_evaluation](../apidocs/mnp/mnp.evaluation.subselection_evaluation.rst) en 
[subselection_output](../apidocs/mnp/mnp.evaluation.subselection_output.rst) modules voor meer detail.


## Veranderingen tov. MNP 4.0

### Extra functionaliteit
* meerdere soortselecties doorrekenen in _een_ run
* optie om verschillende HSI procedures te definieren per soort
* optie om verschillende land-type-experience procedures te definieren per soort   
* alle GIS output per soort wordt opgeleverd met een QGIS layer style file
* gebruikers kunnen kiezen tussen default parameters en tabellen of eigen inbreng

### Veranderingen onder de motorkap
* De naamgeving van tabellen en kolommen is intuitiever gemaakt. Overzicht hiervan volgt later.
* De vernieuwde versie van MNP gebruikt een nieuw clusteralgorithme, gebasseerd op [dilation](https://homepages.inf.ed.ac.uk/rbf/HIPR2/dilate.htm) waarna vervolgens wordt gekeken of patches aan elkaar liggen.
Hiervoor worden de [morphology.disk](https://scikit-image.org/docs/stable/api/skimage.morphology.html#skimage.morphology.disk) en [measure.label](https://scikit-image.org/docs/stable/api/skimage.measure.html#label) van skimage gebruikt.
* Multicore aggregatie van landgebruikskaarten
* Soortmodellen worden parallel doorgerekend


## Vergelijking MNP 7.0 - MNP 4.0
Laten we kijken naar de verschillen tussen MNP in C++ de implementatie in python. Voor deze vergelijking zijn beide versies van MNP, uiteraard met dezelfde parameters en invoerkaarten, gedraaid voor de 146 soortenlijst.

### HSI kaarten
Doordat het model veel verschillende berekeningen en vergelijkkingen doet is het onvermijdelijk dat er, als gevolg onderliggende techniek van de gebruikte software, minieme verschillen zitten in de resultaten van de berekeningen waarmee we tot de Habitat Suitability kaarten komen. We hebben dit zo veel mogelijk geprobeerd te beperken, het was niet mogelijk dit totaal weg te werken.

Omdat we de response van de soorten op omgevingsvariabelen met hele grove bell curves berekenen hebben deze verschillen in verreweg de meeste cellen geen consequenties. Echter, voor cellen waar de waarde erg dicht bij de knikpunten van de bell curves liggen kunnen wel verschillen optreden. Deze zijn dan ook meteen vrij groot als gevolg van de grofheid van de trappetjes', maar al met al zijn de verschillen per kaart miniem, zie tabel hieronder. Voor het grootste deel van de soortmodellen is het verschil tussen MNP4.0 en de python-rebuild 0 cellen. Gezien er 145.600.000 cellen in een kaart zitten is dit zeer acceptabel. Het grootste verschil is met vijfhonderdste van een procent nog steeds verwaarloosbaar klein.

species code|n cells different|percentage of total cells
---|---|---
S02000120|0|
S02001040|2|0.0006
S02001730|0|
S02001840|259|0.0150
S02002060|0|
S02002310|15|0.0002
S02004560|0|
S02004770|0|
S02005190|415|0.0217
S02005410|0|
S02005460|469|0.0174
S02007680|36|0.0092
S02008630|5|0.0001
S02008760|6|0.0001
S02009740|0|
S02009760|383|0.0083
S02010050|0|
S02010110|2|0.0001
S02011040|3|0.0002
S02011060|252|0.0149
S02011390|3|0.0001
S02011460|0|
S02012360|87|0.0109
S02013080|6|0.0001
S02014420|4|0.0001
S02014790|6|0.0001
S02015080|3|0.0001
S02015200|0|
S02017100|4|0.0001
S02017170|8|0.0001
S02018570|5|0.0001
S06000003|428|0.0200
S06000006|1|0.0001
S06000008|22|0.0209
S06000012|0|
S06000035|60|0.0058
S06000042|0|
S06000049|1|0.0001
S06000051|1|0.0002
S06000052|1|0.0000
S06000057|0|
S06000064|61|0.0126
S06000065|0|
S06000066|0|
S06000076|0|
S06000077|0|
S06000080|0|
S06000081|2|0.0001
S06000082|1|0.0001
S06000084|104|0.0125
S06000097|0|
S06000099|0|
S06000106|0|
S06000107|0|
S09000008|0|
S09000034|0|
S09000039|1|0.0004
S09000043|0|
S09000053|0|
S09000055|0|
S09000076|0|
S09000091|2|0.0010
S09000093|0|
S09000100|0|
S09000105|0|
S09000148|57|0.0170
S09000157|0|
S09000170|0|
S09000196|24|0.0137
S09000217|0|
S09000221|0|
S09000230|66|0.0172
S09000231|4|0.0021
S09000236|7|0.0144
S09000255|0|
S09000266|0|
S09000271|48|0.0184
S09000284|0|
S09000289|0|
S09000324|0|
S09000332|0|
S09000341|0|
S09000343|2|0.0010
S09000392|1|0.0016
S09000416|0|
S09000418|0|
S09000432|0|
S09000438|0|
S09000461|1|0.0003
S09000471|0|
S09000472|0|
S09000477|0|
S09000479|6|0.0085
S09000481|0|
S09000486|0|
S09000491|0|
S09000492|0|
S09000496|227|0.0379
S09000497|0|
S09000532|0|
S09000558|1|0.0006
S09000560|0|
S09000562|0|
S09000566|17|0.0115
S09000568|21|0.0170
S09000595|8|0.0039
S09000597|0|
S09000635|0|
S09000668|0|
S09000692|6|0.0063
S09000713|3|0.0038
S09000738|2|0.0016
S09000748|0|
S09000754|0|
S09000775|83|0.0241
S09000776|46|0.0095
S09000777|0|
S09000827|0|
S09000881|0|
S09000891|0|
S09000902|0|
S09000913|0|
S09000917|0|
S09000924|0|
S09000948|80|0.0481
S09000950|94|0.0383
S09000962|0|
S09000963|41|0.0068
S09001011|0|
S09001034|40|0.0131
S09001038|1|0.0010
S09001110|3|0.0014
S09001111|47|0.0148
S09001128|0|
S09001138|0|
S09001150|0|
S09001158|2|0.0083
S09001181|10|0.0052
S09001205|9|0.0254
S09001258|3|0.0005
S09001283|17|0.0114
S09001312|0|
S09001332|113|0.0307
S09001364|0|
S09001380|0|
S09001953|0|

**Tabel 1** Het verschil tussen MNP60 en rebuild in aantal cellen in aantal cellen en als fractie van het *aantal bezette cellen* is. Als we zouden kijken naar het aantal cellen dat anders is als fractie van het *totaal aantal cellen* in een kaart zouden alle verschillen 0 procent zijn.

### Output tabellen en het percentage
Het grootste verschil in output tussen beide modelversies komt door het clusteralgorithme. MNP 4.0 gebruikte daarvoor het LARCH model. De python versie van MNP gebruikt een nieuw clusteralgorithme, gebasseerd op [dilation](https://homepages.inf.ed.ac.uk/rbf/HIPR2/dilate.htm) waarna wordt gekeken of patches aan elkaar liggen. Hiervoor worden de [morphology.disk](https://scikit-image.org/docs/stable/api/skimage.morphology.html#skimage.morphology.disk) en [measure.label](https://scikit-image.org/docs/stable/api/skimage.measure.html#label) van skimage gebruikt.

LARCH clustert minder patches aan elkaar waardoor het aantal populaties voor een soortmodel in MNP60 hoger is dan in rebuild. In onderstaande tabel staat hoe de output tabellen van het oude en nieuwe model van elkaar verschillen.

scientific name|N populations|effective area(m2)|keypopulations|normkeys
---|---|---|---|---
Apium graveolens|0.1910|0.0000|0.0000|0.0000
Carex extensa|0.1883|0.0000|0.0000|-0.0013
Blysmus rufus|0.1778|0.0000|0.0000|0.0000
Atriplex pedunculata|0.1360|0.0000|0.0000|0.0000
Liparis loeselii|0.1261|0.0002|0.0002|-0.0588
Limonium vulgare|0.1246|0.0000|0.0000|0.0000
Cochlearia officinalis subsp. anglica|0.1164|0.0000|0.0000|-0.0013
Schoenus nigricans|0.1148|0.0027|0.0027|0.0013
Emberiza citrinella|0.1041|-0.0004|-0.0004|-0.0106
Eleocharis quinqueflora|0.1034|-0.0059|-0.0059|0
Lycopodiella inundata|0.1016|-0.0103|-0.0103|-0.0500
Drosera longifolia|0.0943|-0.0133|-0.0133|0.0000
Pyrola rotundifolia|0.0923|-0.0003|-0.0003|0.0000
Radiola linoides|0.0907|-0.0183|-0.0183|-0.0250
Hammarbya paludosa|0.0865|-0.0040|-0.0040|0.0000
Epipactis palustris|0.0855|-0.0034|-0.0034|-0.0234
Lullula arborea|0.0844|0.0000|0.0000|0.5385
Equisetum variegatum|0.0840|-0.0076|-0.0076|0
Drosera rotundifolia|0.0821|-0.0065|-0.0065|-0.0083
Sitta europaea|0.0817|-0.0002|-0.0002|-0.0040
Parus montanus|0.0810|-0.0010|-0.0010|0.3333
Dendrocopos major|0.0769|-0.0001|-0.0001|-0.0089
Sagina nodosa|0.0758|0.0000|0.0000|0.0000
Pyrrhula pyrrhula ssp. europoea|0.0747|-0.0046|-0.0046|-0.0226
Dryocopus martius|0.0720|0.0001|0.0001|0.0885
Phylloscopus sibilatrix|0.0711|-0.0006|-0.0006|-0.0056
Gentiana pneumonanthe|0.0695|-0.0088|-0.0088|-0.0200
Vaccinium oxycoccos|0.0686|-0.0195|-0.0195|-0.0313
Coccothraustes coccothraustes|0.0681|-0.0041|-0.0041|0.0086
Eriophorum vaginatum|0.0674|-0.0193|-0.0193|-0.0141
Orobanche picridis|0.0653|0.0001|0.0001|0
Andromeda polifolia|0.0634|-0.0222|-0.0222|0.0000
Erodium lebelii|0.0623|-0.0044|-0.0044|-0.0029
Platanthera bifolia|0.0618|-0.0072|-0.0072|-0.0172
Lycaena dispar|0.0617|0.0000|0.0000|-0.2500
Cirsium dissectum|0.0613|-0.0110|-0.0110|0.0000
Eryngium maritimum|0.0604|0.0000|0.0000|0.0000
Carex pulicaris|0.0596|-0.0074|-0.0074|-0.0071
Bromopsis erecta|0.0593|-0.0006|-0.0006|0
Valeriana dioica|0.0584|-0.0068|-0.0068|0.0000
Fritillaria meleagris|0.0551|-0.0005|-0.0005|0.0000
Thymus pulegioides|0.0546|-0.0143|-0.0143|-0.0163
Carex hostiana|0.0532|-0.0097|-0.0097|-0.0400
Silene otites|0.0524|-0.0002|-0.0002|0.0000
Milium vernale|0.0519|-0.0059|-0.0059|0
Succisa pratensis|0.0501|-0.0096|-0.0096|-0.0145
Trisetum flavescens|0.0490|-0.0052|-0.0052|-0.0064
Lycopodium tristachyum|0.0481|0.0016|0.0016|0.0000
Carex diandra|0.0480|-0.0047|-0.0047|0
Sedum sexangulare|0.0473|-0.0071|-0.0071|-0.0073
Anthus pratensis|0.0469|-0.0003|-0.0003|-0.0571
Botrychium lunaria|0.0451|-0.0007|-0.0007|-0.0004
Centaurea scabiosa|0.0449|-0.0038|-0.0038|0.0000
Lycopodium clavatum|0.0438|-0.0051|-0.0051|-0.0050
Oriolus oriolus|0.0426|-0.0092|-0.0092|0.0000
Seriphidium maritimum|0.0425|0.0000|0.0000|-0.0003
Ophrys insectifera|0.0414|-0.0024|-0.0024|0.0000
Euphorbia palustris|0.0413|-0.0004|-0.0004|-0.0009
Callophrys rubi|0.0413|0.0000|0.0000|-0.0076
Carum carvi|0.0408|-0.0035|-0.0035|-0.0078
Alauda arvensis|0.0405|-0.0014|-0.0014|-0.0351
Campanula rapunculus|0.0398|-0.0064|-0.0064|0.0000
Sanicula europaea|0.0383|-0.0055|-0.0055|-0.0017
Hipparchia semele|0.0383|-0.0048|-0.0048|-0.0032
Euphorbia paralias|0.0377|0.0000|0.0000|0.0000
Pernis apivorus|0.0376|0.0001|0.0001|0.0500
Carex ericetorum|0.0376|-0.0009|-0.0009|0.0000
Armeria maritima|0.0364|0.0000|0.0000|0.0000
Salvia pratensis|0.0363|-0.0042|-0.0042|-0.0077
Daphne mezereum|0.0354|-0.0051|-0.0051|0
Potentilla sterilis|0.0352|-0.0113|-0.0113|0
Asparagus officinalis subsp. prostratus|0.0347|0.0000|0.0000|0
Plantago maritima|0.0340|0.0002|0.0002|0.0002
Actaea spicata|0.0331|0.0000|0.0000|0.0000
Knautia arvensis|0.0319|-0.0044|-0.0044|-0.0020
Eriophorum gracile|0.0309|-0.0028|-0.0028|0
Veronica austriaca subsp. teucrium|0.0298|-0.0042|-0.0042|-0.0263
Orchis purpurea|0.0296|-0.0008|-0.0008|0.0385
Sagina maritima|0.0275|-0.0009|-0.0009|-0.0016
Alopecurus bulbosus|0.0269|0.0000|0.0000|0.0000
Cochlearia officinalis subsp. officinalis|0.0263|0.0000|0.0000|0.0002
Lanius excubitor|0.0250|0.0000|0.0000|0
Hordeum marinum|0.0240|0.0000|0.0000|0.0000
Cephalanthera damasonium|0.0232|0.0000|0.0000|0
Althaea officinalis|0.0223|0.0000|0.0000|0.5714
Bupleurum tenuissimum|0.0213|0.0000|0.0000|0.0000
Anthus campestris|0.0189|-0.0002|-0.0002|0
Recurvirostra avosetta|0.0170|0.0000|0.0000|0.0000
Tringa totanus|0.0167|0.0001|0.0001|-0.0161
Charadrius alexandrinus|0.0161|0.0000|0.0000|0.0000
Gallinago gallinago|0.0130|0.0002|0.0002|0.9000
Numenius arquata|0.0129|0.0000|0.0000|0.9216
Asio flammeus|0.0090|0.0000|0.0000|0
Anas crecca|0.0079|-0.0010|-0.0010|0.0000
Tadorna tadorna|0.0075|-0.0001|-0.0001|0.0000
Podiceps nigricollis|0.0065|-0.0022|-0.0022|0.0000
Nycticorax nycticorax|0.0063|-0.0014|-0.0014|0.0000
Genista pilosa|0.0015|-0.0065|-0.0065|-0.0066
Saxicola rubicola|0.0001|-0.0049|-0.0049|4.6667
Allium ursinum|0.0001|-0.0038|-0.0038|0
Somateria mollissima|0.0000|-0.0001|-0.0001|0.0000
Luscinia megarhynchos|0.0000|-0.0010|-0.0010|0.0000
Luscinia svecica|0.0000|0.0001|0.0001|0.0000
Oenanthe oenanthe|0.0000|-0.0033|-0.0033|2.0000
Locustella naevia|0.0000|0.0001|0.0001|0.0000
Thymelicus sylvestris|0.0000|-0.0011|-0.0011|-0.0016
Hesperia comma|0.0000|-0.0010|-0.0010|0.0000
Erynnis tages|0.0000|0.0002|0.0002|0.0000
Pyrgus malvae|0.0000|-0.0025|-0.0025|0.0000
Plebeius argus|0.0000|-0.0041|-0.0041|-0.0078
Plebeius optilete|0.0000|-0.0003|-0.0003|0.0000
Aricia agestis|0.0000|0.0000|0.0000|0.0000
Maculinea alcon|0.0000|-0.0039|-0.0039|0.0000
Limenitis camilla|0.0000|0.0001|0.0001|0.0000
Limenitis populi|0.0000|0.0000|0.0000|0.0000
Apatura iris|0.0000|0.0000|0.0000|0.0000
Boloria aquilonaris|0.0000|-0.0084|-0.0084|0.0000
Boloria selene|0.0000|-0.0006|-0.0006|0.0000
Brenthis ino|0.0000|0.0000|0.0000|0.0000
Issoria lathonia|0.0000|-0.0012|-0.0012|-0.0012
Argynnis niobe|0.0000|-0.0129|-0.0129|0.0000
Argynnis aglaja|0.0000|-0.0087|-0.0087|0.0000
Coenonympha arcania|0.0000|-0.0127|-0.0127|0.0000
Coenonympha tullia ssp. tullia|0.0000|-0.0060|-0.0060|0.0000
Hipparchia statilinus|0.0000|-0.0166|-0.0166|0
Anagallis tenella|0.0000|-0.0086|-0.0086|0
Arnica montana|0.0000|-0.0049|-0.0049|0.0000
Carex buxbaumii|0.0000|-0.0098|-0.0098|0
Carex trinervis|0.0000|-0.0041|-0.0041|0.0000
Cicendia filiformis|0.0000|-0.0051|-0.0051|0.0000
Elatine hexandra|0.0000|-0.0070|-0.0070|0
Erica cinerea|0.0000|-0.0009|-0.0009|0.0000
Euphorbia amygdaloides|0.0000|0.0000|0.0000|0
Euphorbia cyparissias|0.0000|-0.0129|-0.0129|-0.0174
Genista anglica|0.0000|-0.0020|-0.0020|-0.0006
Gentiana cruciata|0.0000|-0.0005|-0.0005|0.0000
Isoetes echinospora|0.0000|0.0000|0.0000|0
Lathyrus nissolia|0.0000|0.0000|0.0000|0
Lobelia dortmanna|0.0000|-0.0204|-0.0204|0
Parapholis strigosa|0.0000|0.0000|0.0000|0.0000
Pedicularis sylvatica|0.0000|-0.0044|-0.0044|-0.0030
Polygala serpyllifolia|0.0000|-0.0030|-0.0030|0.0000
Polygala vulgaris|0.0000|-0.0016|-0.0016|-0.0017
Viola canina|0.0000|-0.0032|-0.0032|-0.0037
Thalictrum minus|0.0000|-0.0027|-0.0027|0.0000
Gentianella amarella|-0.0004|-0.0001|-0.0001|0

**Tabel 2**  Verschil in waarden van soortmodellen in rebuild en opzichte van MNP60. Positieve waarden betekenen een toename in rebuild ten opzichte van MNP60 en negatieve waarden een afname. De velduil (_Asio flammeus__) laat een verschil in normkeys zien van -Infinity, dit komt doordat er in rebuild 1 sleutelpopulatie wordt geclusterd versus 0 in MNP60, dit geeft dus een fractionele toename van oneindig.

De verschillen in totale oppervlakte, en dus ook sleutelpopulaties, per soort zijn dus heel erg klein. Dat is mooi, maar dit zijn getallen die berekend worden over de hele kaart, onafhankelijk van clustering. Uit de tabel hieronder blijkt dat slechts twee soorten van duurzaamheidsklasse veranderen! Als we naar deze soorten kijken zien we niet dat ze een uitzonderlijk groot verschil in effectief oppervlakte, maar wel in normkeys.

scientific name|duurzaamheidsklasse MNP 4.0|Duurzaamheidsklasse MNP v7.0
---|---|---
Lullula arborea|2|3
Saxicola rubicola|1|2

Omdat slechts twee soorten van duurzaamheidsklasse zijn gewisseld, waarvan er maar ��n van klasse twee naar klasse drie is gegaan, is het verschil in de duurzaamheidspercentages klein: **57.53%** in MNP4.0 vs **58.22%** in MNP v7.0.

## Overzicht van vogels, planten en vlinders in MNP
Op deze pagina bespreken we de plant-, vogel- en vlindersoorten die gemodelleerd worden door MNP. Om MNP te gebruiken, geeft de gebruiker een lijst met soorten op waarvoor hij/zij de uitkomsten wil zien. MNP controleert elke gevraagde soort op twee aspecten:

 1. is het uberhaupt een soort?
 2. zijn de benodigde parameters bekend voor deze soort?

Voor de eerste controle refereert MNP naar de [species names tabel](https://opengis.wur.nl/MNP/contents/data_specificaties.html#species-names-tabel). Deze tabel benoemt 812 planten, 56 vlinders en 150 vogels: 1018 soorten in totaal. Deze lijst is opgesteld eind 2015 en bevat: 'SNL kwaliteitssoorten en NDT doelsoorten' (Marjolein van Adrichem). In 2021 zijn daar 60 stikstof-gevoellige plantensoorten toegevoegd (110 plantsoorten die reeds in de lijst stonden zijn eveneens als N-gevoellig aangemerkt).

Voor de tweede controle refereert MNP aan de parametertabellen, zoals de [GVG respons tabel](https://opengis.wur.nl/MNP/contents/data_specificaties.html#environmental-factor-suitability-index-tabel) en de [species traits](https://opengis.wur.nl/MNP/contents/data_specificaties.html#species-traits-tabel) tabel. Het MNP team heeft deze tabellen in de loop van de jaren opgesteld en ontwikkeld. De tabellen bevatten niet alle soorten uit de eerder genoemde 'species names' tabel. Bijvoorbeeld, NDep-respons is bekend voor slechts 967 soorten (116 vogels, 51 vlinders en 809 planten).

De valid species zijn dan de soorten die in _alle_ tabellen genoemd zijn en waar MNP in principe mee kan rekenen. In het [Evaluatie Natuurpact 2016](https://edepot.wur.nl/429587) project is gerekend met deze **468** soorten. Handmatig is beoordeeld of MNP deze soorten 'goed' modeleerde. Dit was het geval voor **281** soorten.  Van deze 281 zijn er **146** aangemerkt als 'typerende soorten voor beschermde habitats uit de Habitatrichtlijn' (Pouwel etal 2017, pp 41).

De **146** soortenlijst wordt het vaakst gebruikt in MNP analyses. Het gaat om 31 vogels, 23 vlinders en 92 planten: 

scientific name|local name
---|---
Actaea spicata|Christoffelkruid
Allium ursinum|Daslook
Alopecurus bulbosus|Knolvossenstaart
Althaea officinalis|Heemst
Anagallis tenella|Teer guichelheil
Andromeda polifolia|Lavendelhei
Apium graveolens|Selderij
Armeria maritima|Engels gras
Arnica montana|Valkruid
Seriphidium maritimum|Zeealsem
Asparagus officinalis subsp. prostratus|Liggende asperge
Atriplex pedunculata|Gesteelde zoutmelde
Blysmus rufus|Rode bies
Botrychium lunaria|Gelobde maanvaren
Bromopsis erecta|Bergdravik
Bupleurum tenuissimum|Fijn goudscherm
Campanula rapunculus|Rapunzelklokje
Carex buxbaumii|Knotszegge
Carex diandra|Ronde zegge
Carex ericetorum|Heidezegge
Carex extensa|Kwelderzegge
Carex hostiana|Blonde zegge
Carex pulicaris|Vlozegge
Carex trinervis|Drienervige zegge
Carum carvi|Karwij
Centaurea scabiosa|Grote centaurie
Cephalanthera damasonium|Bleek bosvogeltje
Cicendia filiformis|Draadgentiaan
Cirsium dissectum|Spaanse ruiter
Cochlearia officinalis subsp. anglica|Engels lepelblad
Cochlearia officinalis subsp. officinalis|Echt lepelblad
Daphne mezereum|Rood peperboompje
Drosera longifolia|Lange zonnedauw
Drosera rotundifolia|Ronde zonnedauw
Elatine hexandra|Gesteeld glaskroos
Eleocharis quinqueflora|Armbloemige waterbies
Epipactis palustris|Moeraswespenorchis
Equisetum variegatum|Bonte paardenstaart
Erica cinerea|Rode dophei
Eriophorum gracile|Slank wollegras
Eriophorum vaginatum|Eenarig wollegras
Erodium lebelii|Kleverige reigersbek
Eryngium maritimum|Blauwe zeedistel
Euphorbia amygdaloides|Amandelwolfsmelk
Euphorbia cyparissias|Cipreswolfsmelk
Euphorbia palustris|Moeraswolfsmelk
Euphorbia paralias|Zeewolfsmelk
Fritillaria meleagris|Wilde kievitsbloem
Genista anglica|Stekelbrem
Genista pilosa|Kruipbrem
Gentiana cruciata|Kruisbladgentiaan
Gentiana pneumonanthe|Klokjesgentiaan
Gentianella amarella|Slanke gentiaan
Hammarbya paludosa|Veenmosorchis
Hordeum marinum|Zeegerst
Isoetes echinospora|Kleine biesvaren
Knautia arvensis|Beemdkroon
Lathyrus nissolia|Graslathyrus
Limonium vulgare|Lamsoor
Liparis loeselii|Groenknolorchis
Lobelia dortmanna|Waterlobelia
Lycopodiella inundata|Moeraswolfsklauw
Lycopodium clavatum|Grote wolfsklauw
Lycopodium tristachyum|Kleine wolfsklauw
Milium vernale|Ruw gierstgras
Ophrys insectifera|Vliegenorchis
Orchis purpurea|Purperorchis
Orobanche picridis|Bitterkruidbremraap
Parapholis strigosa|Dunstaart
Pedicularis sylvatica|Heidekartelblad
Plantago maritima|Zeeweegbree
Platanthera bifolia|Welriekende nachtorchis
Polygala serpyllifolia|Liggende vleugeltjesbloem
Polygala vulgaris|Gewone vleugeltjesbloem
Potentilla sterilis|Aardbeiganzerik
Pyrola rotundifolia|Rond wintergroen
Radiola linoides|Dwergvlas
Sagina maritima|Zeevetmuur
Sagina nodosa|Sierlijke vetmuur
Salvia pratensis|Veldsalie
Sanicula europaea|Heelkruid
Schoenus nigricans|Knopbies
Sedum sexangulare|Zacht vetkruid
Silene otites|Oorsilene
Succisa pratensis|Blauwe knoop
Thalictrum minus|Kleine ruit
Thymus pulegioides|Grote tijm
Trisetum flavescens|Goudhaver
Vaccinium oxycoccos|Kleine veenbes
Valeriana dioica|Kleine valeriaan
Veronica austriaca subsp. teucrium|Brede ereprijs
Viola canina|Hondsviooltje
Apatura iris|Grote weerschijnvlinder
Argynnis aglaja|Grote parelmoervlinder
Argynnis niobe|Duinparelmoervlinder
Aricia agestis|Bruin blauwtje
Boloria aquilonaris|Veenbesparelmoervlinder
Boloria selene|Zilveren maan
Brenthis ino|Purperstreepparelmoervlinder
Callophrys rubi|Groentje
Coenonympha arcania|Tweekleurig hooibeestje
Coenonympha tullia ssp. tullia|Veenhooibeestje
Erynnis tages|Bruin dikkopje
Hesperia comma|Kommavlinder
Hipparchia semele|Heivlinder
Hipparchia statilinus|Kleine heivlinder
Issoria lathonia|Kleine parelmoervlinder
Limenitis camilla|Kleine ijsvogelvlinder
Limenitis populi|Grote ijsvogelvlinder
Lycaena dispar|Grote vuurvlinder
Maculinea alcon|Gentiaanblauwtje
Plebeius argus|Heideblauwtje
Plebeius optilete|Veenbesblauwtje
Pyrgus malvae|Aardbeivlinder
Thymelicus sylvestris|Geelsprietdikkopje
Alauda arvensis|Veldleeuwerik
Anas crecca|Wintertaling
Anthus campestris|Duinpieper
Anthus pratensis|Graspieper
Asio flammeus|Velduil
Charadrius alexandrinus|Strandplevier
Coccothraustes coccothraustes|Appelvink
Dendrocopos major|Grote bonte specht
Dryocopus martius|Zwarte specht
Emberiza citrinella|Geelgors
Gallinago gallinago|Watersnip
Lanius excubitor|Klapekster
Locustella naevia|Sprinkhaanzanger
Lullula arborea|Boomleeuwerik
Luscinia megarhynchos|Nachtegaal
Luscinia svecica|Blauwborst
Numenius arquata|Wulp
Nycticorax nycticorax|Kwak
Oenanthe oenanthe|Tapuit
Oriolus oriolus|Wielewaal
Parus montanus|Matkop
Pernis apivorus|Wespendief
Phylloscopus sibilatrix|Fluiter
Podiceps nigricollis|Geoorde fuut
Pyrrhula pyrrhula ssp. europoea|Midden-Europese goudvink
Recurvirostra avosetta|Kluut
Saxicola rubicola|Roodborsttapuit
Sitta europaea|Boomklever
Somateria mollissima|Eider
Tadorna tadorna|Bergeend
Tringa totanus|Tureluur