Sidst opdateret d. 26. januar 2021

Datasæt

Hvor får Arter sine data fra?

GBIF - Global Biodiversity Information Facility er en multinational infrastruktur, der har som mål at gøre al verdens information om biodiversitet frit tilgængelig for søgning og analyse via internettet.
DanBIF er den danske del af GBIF.

Arter modtager og leverer data til DanBIF/GBIF.

Nogle af de databaser, der udveksler find med GBIF, og som derfor også optræder på Arter, er:

  • iNaturalist, validerede artsfund fra Danmark – data, der har forskningskvalitet.
  • Dansk Ornitologisk Forenings artsfund i Danmark – data, der er valideret.
  • Bugbase, Lepidopterologisk Forenings artsfund i Danmark – sommerfugle og vårfluer
  • Svampeforeningens artsfund i Danmark – Svampeatlas
  • Danmarks Miljøportals Naturdatabase

 

Desuden er der udført en engangsimport af følgende datasæt

  • Hvirvelløse dyr (ekskl. insekter og anden entomologi) i Statens Naturhistoriske Museums samlingerDansk Pattedyratlas
  • Biowide Species data – BioWide, Dansk biodiversitetsundersøgelse på 130 plot i Danmark
  • Danish True Bugs – Ægte tæger fra samlinger på Naturhistorisk Museum Aarhus
  • Levermosser og hornmosser i Danmark - fra herbarium på Statens Naturhistoriske Museum
  • Vandlevende biller, artsfund fra Mogens Holmen
  • Atlas Survey of the Butterflies of Denmark – Sommerfugleatlas af Michael Stoltze
  • Danish Grasshoppers (Orthoptera) – danske græshopper fra samlinger på Naturhistorisk Museum Aarhus
  • Danish Plant Bugs (Miridae) - - blomstertæger fra Statens Naturhistoriske Museums samlinger
  • Alger i Statens Naturhistoriske Museums samlingerAtlas Flora Danica – kortlægning af den vilde danske flora
  • Danish Lacewings (Neuroptera) - Netvinger
  • Danske Svampe i Statens Naturhistoriske Museums samlinger

 

Husk, at datasæt er forskellige

Datasættene på Arter er forskellige, både ved at nogle af dem er aktive/”levende” data, som løbende opdateres med nye data, og nogle af dem er inaktive/”døde” og indlæses én gang for alle og opdateres ikke.

Derudover bør man som bruger være opmærksom på, hvordan data vises, f.eks. på kort. Nogle datasæt er baseret på atlasundersøgelser, som er udført i kvadrater på 10*10 km2, andre med georeferering (nøjagtigt position).

Data, der er georeferede, kan desuden være med meget stor usikkerhed, nogle gange op til 10 kilometers usikkerhed.

Der kan også være ældre data, som ikke har nøjagtig dato, de kan være registeret blot på år eller år/måned.
Det drejer sig bl.a. om ældre museumsfund, her vil fundene i Arter være vist med datoen for den første dag i året eller måneden.

Hvis man skal bruge data til forskning, skolearbejde eller lignende, bør man derfor gøre sig klart, at data er forskellige og undersøge, hvad det kan betyde for den undersøgelse, man er i gang med.

Dine fund fra andre datasæt

Hvis man selv er bruger i et af de andre systemer, som leverer data til GBIF og dermed Arter, er det helt naturligtig for mange at gå ind på Arter at lede efter sine egne fund. Og nogle gange kan man ikke finde dem, eller ikke finde dem alle.

Det kan have flere årsager

- fundene i den anden database kan være uvaliderede – der leveres kun validerede data til Arter via GBIF.

- fundene i den anden database kan være afgivet med så stærk brugsbegrænsning, at de ikke udveksles med GBIF.

- fundene kan være gjort af en art, som ikke er kendt på Arter, eller som har et andet navn på Arter. Vi arbejder hele tiden på at gøre taxonomien så ens som mulig, men der vil til stadighed være arter, som hedder én ting i et system og noget andet i et andet system. Det bliver langsomt, men sikkert, puslet på plads.

- fundene er ikke blevet synkronisteret endnu, der er nogle datasæt der kun synkronisere nye data f.eks. fra 2020 og frem, her vil f.eks. ændringer til ældre data ikke blive synkroniseret over i Arter.

Datasæt

 

 

 

Hvis man kun vil se fund fra ét (eller flere) datasæt

 

Under ”Fund” er det muligt at vælge, hvilke datasæt man ønsker at søge i.

Det gør man under ”Avancerede filtre” og ”Datasæt”. Det er muligt at vælge flere forskellige datasæt på samme tid.