Gå til innhold
Bilde 12. Park i København, Danmark (foto: Jonas Schöne/Unsplash).

3. GIS-analyse av 3+30+300 i nordiske byer

Metode

For første gang er 3+30+300-prinsippet beregnet og evaluert for hele Norden. Følgende inngangsdatasett er brukt til dette arbeidet: 
For å beregne 3-komponenten har vi laget en 25 meter buffer rundt hver bygning. Deretter teller vi antall piksler i trekronene fra ESAs Land Cover Map som krysser bufferen. Hver piksel på 10x10m representerer ett betydelig tre. Resultatet lagres som et heltall som viser antall viktige trær rundt bygningen. 
Avstanden på 25 meter er valgt basert på forskning som viser på hvilken avstand individuelle blader fortsatt er synlige. Med normalt syn, blir vegetasjon på større avstander en grønn uklar masse. Ved omtrent 25 meter og nærmere ser du de enkelte bladene rasle i vinden og du legger merke til fraktale strukturer som vegetasjonen består av. Dette styrker mentalt og fysisk velvære. Valget kan imidlertid diskuteres, da utsyn til trær på større avstander også kan ha positive effekter.  
For å beregne 30-komponenten har vi laget en buffer på 500 meter rundt hver bygning. Vi teller antall landpiksler i bufferen og antall trekronepiksler i bufferen. Trekronedekningen beregnes deretter som: \frac{arealdekketavtrekroner}{landareal}\times100\%. Verdien lagres som et flyttall som viser trekronedekningen i det syntetiske nabolaget som omgir bygningen. Bufferen på 500-meter ble valgt for å representere et gjennomsnittlig nabolag. Etter å ha kjørt noen tester med forskjellige avstander, og i samråd med prof. Konijnendijk, ble valget tatt om at en 500 meter buffer best gjenspeiler folks daglige nærmiljø, også ut ifra gangbarhet. 
For å beregne 300-komponenten benyttes en maskinlæringsmodell for å forutsi urbane grøntområder basert på ESAs Land Cover Map. Deretter trekker vi fra åpenbare ikke-parker, basert på OpenStreetMap (f.eks. flyplasser og militære områder), og åpenbare parker fra OpenStreetMap legges til (digitaliserte grøntområder med et navn som inkluderer "park"). Denne algoritmen kan brukes globalt, noe som gjør resultatene sammenlignbare. Resultatet av dette trinnet er en database med parkpolygoner som beskriver parkenes areal. 
For veiene brukes OpenStreetMap-veilag, der ikke-gangbare veier (motorveier, bussfelt osv.) fjernes, små stier og gangveier beholdes. Innganger til parker identifiseres ved å overlappe parklaget med veilaget og markere hvor veiene går inn i parkene, det vil si parkens inngangspunkt. For å evaluere 300-verdien (dvs. innenfor 300 meters gangavstand), beregner vi for hver bygning, avstanden langs veinettet til nærmeste parkinngang. Avstanden lagres som en flyttallsverdi, som viser gangavstanden til nærmeste urbane grøntområde av høy kvalitet. 
For å beregne den totale poengsummen normaliseres poengsummene for 3-, 30- og 300-komponenten på en skala fra 0 til 10. Bruddpunktet for hver verdi (dvs. 3 trær for 3-komponenten, 30 % for 30-komponenten osv.) er satt til en poengsum på 6. Lavere poengsum skaleres mellom 0 og 6, høyere poengsum skaleres mellom 6 og 10. 
Vi tar deretter et vektet gjennomsnitt basert på de tre poengsummene, vektingen er: 
  • 3-komponenten teller 25 % av den totale poengsummen 
  • 30-komponenten teller 50 % av den totale poengsummen 
  • 300-komponenten teller 25 % av den totale poengsummen 
Resultatet er et kart med 22 millioner bygninger for hele Norden (se fig. 7). 
Det er viktig å merke seg at den totale poengsummen ikke er en del av det faktiske 3+30+300-prinsippet. Det er gitt som et verktøy til kommunene, for å kunne kombinere all informasjon i ett enkelt kart.  Alle kartene i dokumentet er orientert mot nord.
""
Figur 7. Oversiktskart med 3+30+300 resultater for hele Norden. Grønt viser at 3+30+300 overholdes, mens rødt indikerer områder der prinsippet ikke er oppfylt. De hvite områdene i Norden er uten kartfestet bebyggelse.

Nordiske byers nåværende etterlevelse av 3+30+300-prinsippet

Når det gjelder mengden trær og grøntområder, følger de nordiske landene i stor grad 3+30+300-prinsippet, noe som gjør regionen til et flott sted å bo. Den gjennomsnittlige nordiske bygningen oppnår en poengsum på 8,4 av 10 på 3+30+300-prinsippet. Det er imidlertid store forskjeller mellom de spesifikke regionene, fra 0,02 % av bygningene som når målet om 30 % trekronedekning på Grønland, opp til 97,7 % for 300-verdien i Finland (se Tabell 3). 
Tabell 3. Oversikt over poeng etter 3+30+300-prinsippet for nordiske land. Prosentene og gjennomsnittsverdiene refererer til alle bygninger i hvert enkelt land, inkludert byer- og landlige områder. I denne sammenheng defineres et grøntområde som en park eller et grøntområde som er minst 1 hektar stort og offentlig tilgjengelig. 
Land 
Prosentvis overenstemmelse av bygninger som oppnår:
Gjennomsnitt per bygning 
 
3-trær (%)
30-prosent dekning (%)
300-meter avstand (%)
Positiv samlet poengsum (%)
Alle 3+30+300 samtidig (%)
Antall trær
Krone­dekning%
Avstand til grønt­område (m)
Norge 
85,63
84,06
95,88
92,29
74,48
40,39
54,83
42,0
Danmark 
71,70
32,83
93,45
66,96
26,73
24,31
26,25
60,6
Sverige 
83,11
79,94
97,23
89,74
70,74
38,24
53,99
27,1
Åland 
86,48
92,48
51,40
88,02
43,89
40,96
60,25
329,9
Finland 
97,55
92,54
97,70
97,12
87,39
56,69
56,24
22,6
Færøyene 
73,67
18,56
80,75
51,74
17,17
28,47
16,23
140,2
Island 
39,26
4,08
51,52
23,50
3,57
11,00
7,93
327,7
Grønland 
1,46
0,02
2,73
0,10
0,01
0,18
0,43
632,2

Gap-analyse for å lokalisere områder med mindre enn 30 % trekronedekning

Av de 22 589 315 bygningene i Norden er det nesten 6 millioner (5 859 386) som ikke når målet om 30 % trekronedekning. Dette er 25,9 % av bygningene i regionen. Gapet er særlig tydelig i nordvest (Island, Svalbard, Jan Mayen, Grønland), men også i de «grønne landene» finner man mangler, hovedsakelig i bysentre, havner og industriområder. Se Figur 8 som et eksempel på dette fra Bergen i Norge.
app.firstedition-2.jpg
Figur 8. Gap-analyse av Bergen, Norge. Grønne bygninger oppfyller 30-verdien, røde bygninger gjør det ikke (med et gap på 0% opp til et gap på 30%). Romlige mønstre blir umiddelbart synlige. 

""
Figurene 8 til 26 viser 3+30+300 poeng samt gapanalyser spesifikt for komponenten 30 % trekronedekning for kommunene som deltar i Yggdrasil-prosjektet. Disse kartene identifiserer områder der det er fravær eller mangel på trær og offentlige grøntområder, (for eksempel industriområder og næringsparker). Denne typen analyse kan hjelpe beslutningstakere og planleggere med å prioritere områder der det er behov for å forbedre tilgangen til trær, utvide trekrone­dekningen og gi bedre tilgang til grøntområder av høy kvalitet. I dette tilfellet er det fokus på 30-komponenten, ettersom forskning tyder på at denne komponenten er spesielt viktig for både temperaturregulering og folkehelse, men tilsvarende analyser kan gjøres for de to andre komponentene og prinsippet som helhet. 
Å ta tak i de identifiserte manglene kan naturligvis innebære å plante flere trær. For størst mulig effekt er det god praksis å fokusere på områder med stort gap/mangel (langt under 30 %) og der hvor mange bygninger med stort gap er gruppert sammen. På denne måten kan flere behov dekkes samtidig ved å plante trær i disse områdene. For en skjematisk fremstilling av dette, se Tabell 4. 
""
Tabell 4. Skjematisk oversikt over ulike treplantingsscenarier og prioriteringer.
I gap-analysen med 30-komponenten kan vi identifisere tettbebyggede områder som har et stort gap i trekronedekningen. Disse er markert med blått i gap-analysekartene for de ulike nordiske kommunene. Se Figur 9 som et eksempel på en gap-analyse fra Bergen i Norge. Ikke overraskende opptrer disse prioriterte områdene ofte i tettbebyggede (og historiske) bysentre, hvor det er vanskeligere å finne plass til nye trær. Det er imidlertid viktig å ta tak i disse områdene, da de ofte har høy befolkningstetthet og er mest påvirket av den urbane varmeøyeffekten og resulterende helseutfordringer. 

Kartene viser også at boligområder utenfor sentrum, og spesielt forstedene, gjennomgående har bedre 3+30+300 poeng. Her er trekronedekningen ofte høyere enn i de tette bysentrene.  

3+30+300-prinsippet er mest relevant for tettbebygde områder der folk bor, i byer og tettsteder. Det har ikke samme innvirkning i bygder og skogområder med lav bygningstetthet, Her spiller andre landskapskvaliteter en større rolle, som eng og jordbrukslandskap, som ofte er variert, har høy kulturverdi og gir god tilgang til naturen. 
Kartene gjør det mulig å sammenligne ulike typer nabolag og se hvordan nyere nabolag gjør det, sammenlignet med eldre. For nye utviklingsområder og nabolag som skal transformeres, er det spesielt viktig å se 3+30+300-prinsippet i et langsiktig perspektiv, ettersom nyplantede trær vokser og over tid blir større og bidrar med bedre trekronedekning.  
""
Figur 9. Fokusområder for Bergen basert på gap-analyse med 30-komponenten. Å plante trær i de blå områdene vil ha større innvirkning enn å plante andre steder. 
""
Figur 10. Samlet 3+30+300 poengsum for Umeå, Sverige. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave. 
""
Figur 11. Gap-analyse for Umeå, Sverige for 30-komponenten. Røde bygninger scorer for lavt og krever oppmerksomhet. Blå områder viser fokusområdene som har størst innvirkning på utbedring. 
""
Figur 12. Samlet 3+30+300 poengsum for Kolding, Danmark. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave. 
""
Figur 13. Gap-analyse for Kolding, Danmark. Røde bygninger indikerer lav score på 30-komponenten, og intensiteten til den røde tonen viser hvor stort gapet er. Blå områder markerer fokusområder der treplanting har størst innvirkning på å tette gapet. 
""
Figur 14. Samlet 3+30+300 poengsum for Holbæk, Danmark. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave. 
""
Figur 15. Gap-analyse for Holbæk, Danmark. Røde bygninger har et gap til 30-komponenten, intensiteten i rødt viser størrelsen på gapet. Blå områder er fokusområder for å tette gapet.
""
Figur 16. Samlet 3+30+300 poengsum for Stavanger, Norge. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave.
""
Figur 17. Gap-analyse for Stavanger, Norge. Røde bygninger har et gap mot 30-komponenten. Å plante trær i de blå områdene gir større effekt på trekronedekningen enn planting i andre områder.
""
Figur 18. Samlet 3+30+300 poengsum for Bergen, Norge. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave.w.
""
Figur 19. Gap-analyse i Bergen, Norge. Røde bygninger oppfyller ikke 30-komponenten. Å plante trær i de blå områdene gir større effekt på trekronedekningen enn planting i andre områder.
""
Figur 20. Samlet 3+30+300 poengsum for Turku, Finland. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave.
""
Figur 21. Gap-analyse for Turku, Finland. Røde bygninger oppfyller ikke 30-komponenten. De blå områdene angir fokusområder for å tette gapet. 
""
Figur 22. Samlet poengsum 3+30+300 for Tampere, Finland. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave. 
""
Figur 23. Gap-analyse for Tampere, Finland. De røde bygningene oppnår ikke 30-komponenten. Blå områder angir fokusområder der treplanting vil ha størst effekt.
""
Figur 24. Samlet 3+30+300 poengsum for Reykjavik, Island. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, oransje og røde toner indikerer poengsummer som er for lave. 
""
Figur 25. Gap-analyse med 30-komponenten for Reykjavik, Island. Røde bygninger krever ekstra oppmerksomhet. De blå områdene viser sonene der treplanting vil ha størst effekt.
""
Figur 26. Gap analyse av 30-komponent for Malmö, Sverige. Røde bygninger krever ekstra omsorg. De blå områdene angir sonene der treplanting vil ha størst effekt. 
Disse gap-analysekartene ble brukt under den andre workshopen med de deltakende kommunene (se også vedlegg A2). Deltakerne fant kartene nyttige og var enige i mange av de prioriterte områdene for økt trekronedekning, men hadde også enkelte innvendinger. I noen tilfeller var det logiske forklaringer på de blå gap-områdene som ikke fordret videre tiltak, for eksempel en spesifikk type arealbruk (som industrihavnområder) eller tilstedeværelsen av andre landskapskvaliteter (for eksempel beliggenhet ved en kyst, en elv, eller åpne kulturlandskap med høye rekreasjonsverdier).

Sosioøkonomiske perspektiver på urbane trær

Ved arbeid med 3+30+300-prinsippet og gjennomfører vurderinger og gap-analyser, slik som de som ble presentert i forrige avsnitt, er det viktig å huske på hva trær og grøntområder er ment å bidra til. Her er det også viktig å skille mellom samfunn med ulike sosioøkonomiske særtrekk og ulike behov. 
 
Urbane trær og urbane grøntområder har en betydelig sosioøkonomisk verdi og påvirker ulike aspekter av livet. Fra å forbedre folkehelsen og redusere forurensning til å bidra til økonomisk vekst, er tilgangen til urbane trær og grøntområder avgjørende for miljømessig og sosial rettferdighet.  
 
Viktige sosioøkonomiske perspektiver på urbane trær inkluderer:
Folkehelse og velvære 
Som diskutert i avsnittet om urbane trær og helse ovenfor, absorberer trær forurensninger som nitrogendioksid (NO₂), svoveldioksid (SO₂) og svevestøv, noe som bidrar til renere luft (Nowak et al., 2002; Eisenmann et al., 2019). Dette har direkte helsemessige fordeler, spesielt for sårbare grupper som barn, eldre og personer med kroniske sykdommer, ved å redusere forekomsten av luftveis- og hjerte- og karsykdommer (Lee, 2011; Kuo, 2015). I tillegg har den urbane skogen og andre grønne områder vist seg å redusere stress, redusere symptomer på angst og depresjon og forbedre det generelle mentale velværet (Kaplan et al., 1989; Bratman et al., 2015). Tilgang til grønne områder oppmuntrer til fysisk aktivitet og fremmer en sunnere livsstil (Sugiyama et al., 2008). Videre gir trær skygge og kjøler luften gjennom transpirasjon, noe som demper den urbane varmeøyeffekten (Oke, 1982; Bowler, 2010). Dette er et viktig underliggende argument for 3+30+300-prinsippet. Den kjølende effekten av trekroner i byer reduserer varmerelatert helserisiko. Internasjonal forskning viser at spesielt lavinntektsområder kan bli uforholdsmessig påvirket av ekstrem varme (Chakraborty et al., 2019).
Økonomiske bidrag 
Trær løfter den estetiske attraktiviteten til nabolag og gater, noe som resulterer i høyere eiendomsverdier. Studier viser at boliger som ligger i nærheten av velholdte trær eller parker kan se økning i markedsverdien med opptil 10–20 % (Crompton, 2001; Kardan et al., 2015). Dette er ikke nødvendigvis en utelukkende positiv effekt, ettersom høyere eiendoms- og leiepriser kan fortrenge beboere med lavere inntekter fra eget nabolag, et fenomen kjent som "grønn gentrifisering" (f.eks. Anguelovski et al., 2022) Trær i byen kan redusere energikostnadene ved å gi skygge, hvilket reduserer behovet for klimaanlegg om sommeren og fungerer som vindskjerming om vinteren. Dette resulterer i lavere strøm- og oppvarmingskostnader for både innbyggere og bedrifter (Hsieh, 2018; Sjømann, 2008). En velholdt urban skog tiltrekker seg turister, tilbyr rekreasjonsmuligheter for innbyggerne, og bidrar til den lokale økonomien (Crompton, 2001). Parker, botaniske hager og gater med trær øker den estetiske verdien av byen, noe som gjør den til et mer attraktivt sted å bo og besøke (Kaplan, 1985; Nasar, 1992). Selv om flere studier viser at grøntområder også kan redusere behovet for helsetjenester, reseptbelagte legemidler og tilhørende kostnader (Becker et al., 2019; Buckley et al., 2022; Adewuyi et al., 2023), så indikerer imidlertid en systematisk oversikt av Patwary et al. (2024) at mange studier hadde risiko for bias og at faktorer relatert til tilgjengelighet til helsetjenester kan påvirke forholdet. 
Miljørettferdighet og like muligheter
Basert på studier av amerikanske byer og byer i det globale sør, indikerer forskning at det ofte er en ulik fordeling av urbane trær, med velstående nabolag som har høyere trekronedekning enn lavinntekts- eller marginaliserte nabolag (Wolch et al., 2014; Lin et al., 2021). Denne ulikheten fremhever spørsmål om miljørettferdighet, der de som vil ha mest nytte av grønne områder – på grunn av høyere nivåer av forurensning og varmestress – ofte har minst tilgang til dem (Cruz-Sandoval et al., 2020; Woodward et al., 2023). Denne urettferdigheten blir enda tydeligere ettersom trær hjelper til å gjøre boligområder mer robuste i møte med klimaendringer ved å redusere flomrisiko gjennom bedre overvannshåndtering. Dette er spesielt viktig i ressursfattige områder som er mer utsatt for miljørelaterte risikoer (Maantay et al., 2010; Salmond et al., 2016). I tillegg tilbyr urbane trær og parker sosiale rom som styrker fellesskapet, fungerer som møteplasser og fremmer en følelse av tilhørighet. De bidrar til kulturell identitet og nabolagsstolthet, spesielt i urbane områder med høyt befolkningsmangfold (Kuo, 2003). 
Urbane trær er ikke bare en naturressurs; De er sosioøkonomiske drivere som forbedrer livskvaliteten, bidrar til økonomisk vitalitet og fremmer bærekraft. Likestilt tilgang til grønne områder, kombinert med strategisk byplanlegging og samfunnsengasjement, sikrer at alle byens innbyggere drar nytte av fordelene som trær tilbyr (Zang, 2017). Å balansere kostnadene ved skjøtsel av trær med deres langsiktige fordeler er avgjørende for å skape motstandsdyktige og bærekraftige byer.

Sosioøkonomisk status og sårbarhet

For å undersøke sosioøkonomiske perspektiver på urbane trær i nordisk kontekst, må vi først definere hva vi mener med sosioøkonomisk status og sosioøkonomisk sårbarhet. Begrepet sosioøkonomisk status er ofte knyttet til utdanningsnivå, inntektsnivå og sysselsetting. Utdanningsnivå brukes ofte for å beskrive en persons eller gruppes sosioøkonomiske posisjon i samfunnet. Utdanning bidrar generelt til økte sjanser i yrkeslivet og påvirker dermed også inntektsnivået til den individet eller gruppen (Folkhälsomyndigheten i Sverige, 2021). 
 
Sosioøkonomisk sårbarhet kan forstås som sannsynligheten for, eller risikoen for å bli skadet eller utsatt for stress, og liten eller ingen mulighet til å tilpasse seg situasjonen (Nikkanen et al., 2021). Begrepet kan brukes på individer og grupper så vel som på samfunn. Sosial sårbarhet er knyttet til en mottakelighet basert på sosiale, økonomiske eller politiske faktorer, og varierer på tvers av sosialt og geografisk rom. Sosialt rom refererer til hvem som er sårbare, noe som bestemmes av økonomiske, politiske og institusjonelle faktorer, mens geografisk rom refererer til hvor et individ eller en gruppe er eksponert (MSB, 2021). 
 
Sosioøkonomisk status er en nøkkelfaktor for helse (EEA, 2018; Scientific Council for Sustainable Development, 2018; Folkhälsomyndigheten i Sverige, 2021). Generelt er grupper med lav sosioøkonomisk status mer utsatt for klima- og miljørisiko. Dette er grupper som ofte lever under dårligere miljøforhold når det gjelder for eksempel støy og luftforurensning (EEA, 2018), men også i områder som har en tendens til å bli betydelig varmere (Jensen, Karlsson og Nuder, 2023). Temperaturforskjeller kan observeres mellom områder med ulik sosioøkonomisk status. Områder med tett bebyggelse, mange harde og tette flater, store plener og store takflater, blir mye varmere. Ifølge en kartlegging utført av den svenske rikskringkastingen (Jensen, Karlsson og Nuder, 2023) sammenfaller dette med områder med sosioøkonomiske utfordringer.

Nordiske definisjoner av sosioøkonomisk sårbarhet

Norden fremstilles ofte som en region med mange kulturelle og samfunnsmessige likheter, men det finnes ingen enhetlig eller regional definisjon av hva som er sosioøkonomisk sårbarhet. Dette skaper utfordringer når det gjelder å analysere og forstå konsekvensene av urban sårbarhet på den ene siden, og tilgang til grøntområder og trær på den andre. Mens Danmark og Sverige har offisielle definisjoner og identifiserer sårbare områder basert på offisiell statistikk, mangler dette i Finland, Island og Norge. I Finland er det generelt en jevn fordeling av formue i befolkningen (Nikkanen et al., 2021). I tillegg har Finland i flere tiår arbeidet med en politikk for sosialt blandede boliger (Nordens velferdssenter, 2019) (Tabell 5). 
En likhet mellom Sverige og Norge er at begge land er interessert i områder der arbeidsledigheten er høyere og hvor færre er under utdanning, mens Danmark har et annet fokus på etnisk segregering (Nordens velferdssenter, 2019). En utfordring er imidlertid at det ikke finnes noen felles nordisk definisjon av sosioøkonomisk sårbarhet. 
Nordiske definisjoner av sosioøkonomisk sårbarhet
Danmark  
I Danmark er «Udsatte områder» et offisielt begrep som er definert i «Lov om almene boliger». Danmark definerer områder med sosioøkonomisk sårbarhet som utsatte områder, parallellsamfunn, transformasjonsområder og forebyggingsområder. Disse områdene er definert av andelen innbyggere som er ikke-vestlige innvandrere, samt kriterier som arbeidsledighet, straffedommer, utdanningsnivå og gjennomsnittlig bruttoinntekt. 
Parallellsamfunn defineres som områder der mer enn 50 prosent av innbyggerne er innvandrere eller etterkommere fra ikke-vestlige land, samtidig som de oppfyller alle kriteriene for et utsatt område. Transformasjonsområder er områder som har vært klassifisert som parallelle samfunn i fem år på rad (se mer på bl.dk/viden-kartotek/udsatte-boligomraader (BL, udatert). Den danske regjeringen har publisert en offisiell liste over sårbare boligområder årlig siden 2010, med endringer i definisjon og/eller terminologi i 2013, 2018 og 2021.  
Færøyene 
Færøyene har ikke et formelt definert begrep for sosioøkonomisk sårbare områder. I likhet med andre små øysamfunn har Færøyene regioner der innbyggerne står overfor utfordringer med å få tilgang til viktige tjenester, som helsetjenester, utdanning og arbeidsmuligheter. Selv om Færøyene har en relativt høy levestandard kan det være forskjeller mellom ulike områder, spesielt mellom mer urbane og landlige steder. Les mer på Færøyenes offisielle nettside for statistikk og den nordiske statistikkdatabasen.
Finland  
I Finland brukes begreper som sosioøkonomisk utfordrede områder eller områder med lav levestandard for å beskrive områder der befolkningen har dårligere levekår. Statistisk sentralbyrå (Tilastokeskus) samler inn og analyserer data om arbeidsledighet, inntekt og utdanning, som brukes til å kartlegge sosioøkonomiske forskjeller mellom ulike regioner og nabolag (stat.fi/index_en, udatert). 
Grønland 
Grønland har ikke en formalisert definisjon av sosioøkonomisk sårbare områder. Sosioøkonomisk sårbarhet på Grønland er imidlertid ofte knyttet til problemer relatert til fattigdom, arbeidsledighet, tilgang til utdanning, helsetjenester og infrastruktur, spesielt i avsidesliggende og rurale samfunn. Sentrale faktorer knyttet til sosioøkonomisk sårbarhet på Grønland inkluderer geografisk isolasjon. Mange små bosetninger og bygder på Grønland er geografisk isolert, noe som kan begrense tilgangen til viktige tjenester som helsetjenester, utdanning og arbeidsmuligheter. Denne isolasjonen forverrer ofte sosioøkonomiske utfordringer. Les mer hos Grønlands offisielle statistikkmyndighet stat.gl og den nordiske statistikkdatabasen
Island 
Island har ikke en spesifikk juridisk eller statlig definisjon av sosioøkonomisk sårbare områder. Landet anerkjenner imidlertid sosioøkonomisk sårbarhet i sin overordnede politikk knyttet til fattigdom, bolig og velferd. Les mer på oecd.org/en/countries/iceland, Islands nasjonale statistikkmyndighet statice.is og Islands sosialdepartement stjornarradid.is
Norge  
Norge bruker ikke en formell definisjon av «sosioøkonomisk sårbare områder» som Sverige eller Danmark, men det finnes omfattende analyser av områder med sosioøkonomiske utfordringer basert på ulike indikatorer som arbeidsledighet, inntektsnivå og utdanningsnivå. Statistisk sentralbyrå (SSB) samler inn data om disse faktorene for å kartlegge og analysere levekår i ulike områder. Begrepet «levekårsutfordringer» brukes ofte i Norge for å beskrive områder med høy arbeidsledighet, lav inntekt, lavt utdanningsnivå og høy grad av avhengighet av velferdssystemet. Regjeringen har satt i gang ulike programmer for å støtte disse områdene, blant annet gjennom «Områdeløft» og andre byfornyelsesinitiativer. 
Sverige 
«Utsatta områden» er et begrep som er brukt av politimyndighetene i Sverige siden 2015. De definerer sårbare områder som «[...] geografisk definerte steder med lav sosioøkonomisk status og hvor kriminelle har innvirkning på lokalsamfunnet» (Polisen, 2023). Det er imidlertid uklart hva som menes med lav sosioøkonomisk status. 
Disse områdene er delt inn i tre kategorier: utsatte områder, risikoområder og særlig utsatte områder. Et utsatt område kjennetegnes av lav sosioøkonomisk status, definert som lavt utdanningsnivå, høy arbeidsledighet og økonomisk sårbare husholdninger. En studie fra 2019 viser at mer enn 13 % av husholdningene i utsatte områder mottar en eller annen form for økonomisk bistand, arbeidsledigheten er omtrent dobbelt så høy, og 7,9 % av de som bor i utsatte områder er åpent arbeidsledige, sammenlignet med landsgjennomsnittet på 3,1 %. Husholdningene er større, med et gjennomsnitt på 2,5 personer per husholdning sammenlignet med landsgjennomsnittet på 2,2 (Global Village, 2017). 
Tabell 5. Oppsummering av de ulike definisjonene av begrepet sosioøkonomisk sårbarhet mellom de nordiske landene.

3+30+300 og sosioøkonomiske parametere i en nordisk kontekst

Som vist tidligere, i Tabell 3, skårer de nordiske byene generelt høyt på 3+30+300-prinsippet på bynivå, selv om det er en utfordring å oppnå 30 % trekronedekning. Innenfor den enkelte by er det betydelige forskjeller mellom ulike områder, knyttet til utformingen av det byggede miljøet.  

Stedet der byene har vokst frem, spiller en stor rolle for utformingen av og betingelsene for den urbane grøntstrukturen. Nærheten til vann og havner har hatt stor innvirkning på hvor byene er lokalisert i landskapet, men omgivelsene påvirker mengden og plasseringen av den offentlige grønnstrukturen. I Danmark, så vel som i sørlige og sentrale Sverige, ligger mange byer i jordbrukslandskap, noe som betyr at tilgjengeligheten til trær og til offentlig tilgjengelige grøntområder generelt er høyere i byene enn i de omkringliggende områdene. Holbæk, Kolding og Malmö er alle eksempler på byer som i stor grad er omgitt av jordbruksland, og der jordbruksarealer har blitt spist opp i takt med at byene har vokst. I mange tilfeller har byveksten ført til at det er blitt plantet flere trær enn om jorden fortsatt hadde blitt dyrket opp, selv om høye verneverdier knyttet til åkerhauger og grøfter har forsvunnet. Umeå i Nord-Sverige er derimot omgitt av skog, noe som betyr at naturområder og trær har blitt bygget ned etter hvert som byen har vokst. Stavanger og Bergen ligger i fjordlandskap hvor store høydeforskjeller og nærhet til sjøen har bidratt til en kompakt tilvekst av byene, hvor skog og natur ligger nær bygrensene og grøntområder har blitt tatt i bruk i takt med at byene har utvidet seg.  

For å undersøke den nordiske dimensjonen av sosioøkonomisk sårbarhet og tilgang til trær og grøntområder, har data om sysselsettingsgrad, inntekt, utdanningsnivå, etnisitet og folkehelse blitt sammenlignet med oppfyllelsen av 3+30+300-prinsippet. Basert på tilgjengelige data har Malmö blitt brukt som en inngående casestudie. I de øvrige byene i nettverket, har områder som er definert som sårbare, eller områder med sosioøkonomiske utfordringer, blitt brukt til å analysere lokale dimensjoner av hvordan sosioøkonomiske parametere samsvarer med tilgjengeligheten av grøntområder og trær.
""
Bilde 13. Store trær i nærheten av bygninger i Rosengård-distriktet i Malmö, Sverige (Foto: Wösel Thorensen). 

Nordiske kommuner

Resultatene av analysen av de ni nordiske kommunene som deltar i Yggdrasil-prosjektet viser at sammenhengen mellom tilgang til urbane trær og grøntområder og sosioøkonomisk sårbarhet krever en kontekstualisert forståelse. Sårbare områder er identifisert ved hjelp av offisielle kilder, men de skiller seg i hvordan de defineres og hvilke data som brukes. Malmö brukes som en inngående casestudie nedenfor, men fellestrekk finnes i de fleste byene. 

Casestudie Malmö

Selv om mange nordiske byer generelt skårer høyt etter 3+30+300-prinsippet, så har Malmö betydelige utfordringer med å oppnå akseptable nivåer for alle de tre komponentene, på grunn av byens tette bystruktur og at den omgis av jordbruksland og sjø (Figur 27). 
""
Figur 27. Samlet poengsum for 3+30+300-regelen per bygning i Malmö, Sverige. Gule og grønne farger indikerer bygninger og områder med positive 3+30+300 poeng, mens oransje og røde nyanser viser poengsummer som er for lave. 
I Malmö har store deler av indre by, samt havne- og industriområder utfordringer med å oppfylle prinsippet, og den tette bystrukturen i de sentrale delene gjør det vanskelig å finne plass til å plante trær. Sammenhengen mellom grøntområder, og tilgang til trær og sosioøkonomiske variabler har blitt undersøkt. Data om sysselsettingsgrad, medianinntekt, antall sykedager, samt andel av befolkningen som tilhører første- eller andregenerasjons innvandrere (her definert som født utenfor Sverige eller med to foreldre født utenfor Sverige) har blitt sammenlignet med resultatene fra 3+30+300-analysen. I tillegg definerer svensk politi tre områder i Malmö som sårbare (Tabell 5). Disse er markert med svarte konturer på kartene nedenfor (Figur 28–31). 
""
Figur 28. Kart som viser sysselsettingsgraden i prosent og terskelverdi for et akseptabelt nivå etter 3+30+300-prinsippet (dvs. total poengsum over 6 av 10). Områdene som er definert som utsatte av svensk politi er merket med svarte rammer. 
""
Figur 29. Kart som viser gjennomsnittlig årsinntekt og terskelverdi for akseptabelt nivå etter 3+30+300-prinsippet (dvs. total poengsum over 6 av 10). Områdene som er definert som utsatte av svensk politi er merket med svarte rammer.
Ser man på både sysselsettingsrate og gjennomsnittlig årsinntekt, kan områder som oppnår akseptable nivåer etter 3+30+300 både ha høye og lave verdier på disse sosioøkonomiske aspektene (Figur 29). De tre definerte sårbare områdene i Malmö har dessuten relativt lave verdier for begge disse faktorene. Som kartene ovenfor viser, er det ingen synlig sammenheng mellom disse parameterne for sosioøkonomisk sårbarhet og tilgjengeligheten av grøntområder eller trær. 
""
Figur 30. Kart som viser gjennomsnittlig antall sykedager per år samt terskelverdi for akseptabelt nivå etter 3+30+300-prinsippet (dvs. total poengsum over 6 av 10). Områdene som er definert som utsatte av svensk politi er merket med svarte rammer.
For årlige sykedager har et flertall av områdene som har høye verdier for denne variabelen også et akseptabelt nivå etter 3+30+300-prinsippet (Figur 30), noe som indikerer at helse korrelerer med de sosioøkonomiske parameterne snarere enn med tilgjengeligheten av grøntarealer i Malmö. 
""
Figur 31. Kart som viser andelen første- og andregenerasjons migranter og terskelverdi for et akseptabelt nivå etter 3+30+300-prinsippet (dvs. total poengsum over 6 av 10). Områdene som er definert som utsatte av svensk politi er merket med svarte rammer.
Når det gjelder etnisitet, her målt ved andelen første- eller andre generasjons innvandrere, har områder med høy prosentandel innvandrere også et akseptabelt nivå i henhold til 3+30+300-prinsippet (Figur 31). I Figur 32 nedenfor er resultatene presentert med andelen første- og andregenerasjonsinnvandrere på y-aksen og 3+30+300-score på x-aksen. Resultatene viser en tendens til at områder med høy andel migranter også har en god oppfyllelse av 3+30+300-regelen. Den beregnede r-kvadrert er 0,05. Vær imidlertid oppmerksom på at selv om det å kople etnisitet og kulturell bakgrunn, med trekronedekning og tilgang til grøntområder, er vanlig i for eksempel Nord-Amerika og Storbritannia, er dette et mye mer kontroversielt spørsmål i de nordiske landene og bør alltid håndteres med stor forsiktighet. 
figure 32.png
Figur 32. Korrelasjonsanalyse mellom andelen første- og andregenerasjons innvandrere og skår for 3+30+300 for Malmö, Sverige.
 
Poeng 
Gjennomsnittlig antall trær sett fra hver bygning 
Prosentvis trekronedekning 
Gjennomsnittlig avstand til grøntområde (m) 
Malmö (hele byen) 
6,3  
(standardavvik 1,62) 
15,0 
18,7 
100,0 
Nydala/ Hermodsdal/ Lindängen
6,5
16,0
23,3
47,5
Holma/ Kroksbäck/ Bellevuegården
7,1
23,4
26,5
55,4
Rosengård
7,5
40,0
28,9
49,4
Tabell 6. 3+30+300 poengsum for Malmö som helhet og de tre områdene som er definert som utsatte av svensk politi. 
Tabell 6 viser den totale poengsummen, gjennomsnittlig antall trær som kan sees fra hver bygning, prosentvis trekronedekning og gjennomsnittlig avstand til offentlig grøntområde for Malmö som helhet og de tre definerte utsatte områdene. De utsatte områdene presterer bedre på alle parametere. Dette tegner et annet bilde enn den vanlige negative sammenhengen mellom trekronedekning og tilgang til grøntområder på den ene siden, og høyere sårbarhet for lokalsamfunn på den andre, som er identifisert i internasjonale studier (f.eks. Astell-Burt et al., 2014; Cusick, 2022; Konijnendijk, 2022).
Som det fremgår i avsnittet om overholdelse av 3+30+300-prinsippet ovenfor, så scorer nordiske byer generelt høyt, og dette er også tydelig i sosioøkonomisk utsatte områder, som i Malmö. Pågående forskning ved Sveriges lantbruksuniversitet (slu.se, 2024) utvikler nye metoder for å vurdere miljørettferdighet i forhold til grøntområder og sosioøkonomisk status. Foreløpige resultater ligner på Yggdrasil-analysen. Ved å kombinere trekronedekning, antall kvadratmeter grøntareal per innbygger og avstand fra bolig til grøntområder, og ved å analysere sosioøkonomiske faktorer som inntekt per husholdning, aldringsbyrde (dvs. andelen som er avhengig av familiemedlemmers inntekt, f.eks. barn og eldre), utdanningsnivå og sysselsettingsgrad, viser prosjektet at byen ikke har noe stort problem med ulik fordeling av grøntområder. 
I analysen nedenfor, som viser de andre åtte byene i Yggdrasil-prosjektet, kommer lignende resultater frem. Selv om det finnes studier som viser mer konvensjonelle resultater for miljømessig rettferdighet i Oslo (Venter et al., 2023), indikerer resultatene fra Yggdrasil-prosjektet at forholdet mellom sosioøkonomisk sårbarhet og tilgang til grøntområder og urbane trær har en nordisk dimensjon som krever ytterligere studier og vurdering i planlegging og politikk. Videre er det viktig å merke seg at denne analysen ikke tar hensyn til kvaliteten på de lokale grøntområdene eller deres bruk og verdsettelse av lokalsamfunnene. 
""
""
Figur 33. Gap-analyse av 30-komponenten for Malmö og gap-analyse som viser de definerte utsatte områdene.
Områdene som har blitt definert som utsatte områder har alle poengsum som ligger under 30 % trekronedekning, med verdier mellom 23,3 og 28,9 %. Selv om dette viser en mangel på trær, representerer de ikke områdene med de største manglene, og siden disse områdene har en høy andel åpne områder, er det mulighet for å plante nye trær for å nå opptil 30 % trekronedekning (Figur 33). 

Sårbare områder og grøntområder i Nordiske kommuner

Tabell 7 gir en oversikt over lokale områder som defineres som sårbare i de deltakende kommunene. Som det fremgår, benytter kommunene ulike definisjoner og tilnærminger.
Sårbare områder i de deltakende kommunene
Bergen
Ifølge Bergen kommunes folkehelseoversikt opplever innbyggerne i Bergen god livskvalitet, men det er forskjeller knyttet til alder, utdanningsnivå og bosted. Selv om levestandarden er høy i et internasjonalt perspektiv, er det en tendens til geografisk konsentrasjon av faktorer som har negativ innvirkning på helsen. En samlet indeks viser at utfordringene i Bergen er størst i Solheim Sør, Loddefjord, Solheim Nord, Ytre Arna og Gullfjellet Nord (Bergen kommune, 2024).
Holbæk
I Holbæk er Agervang/Grønneparken identifisert som et område med behov for forebyggende innsats (BL, udatert). 
Kolding
I Kolding er Skovvejen/Skovparken-området definert som et sårbart område, samt et parallelsamfunn og et «omdannelsesområde», som er den mest alvorlige kategorien i det danske klassifikasjonssystemet. Munkeboområdet er definert som et område med behov for forebyggende innsats, med henvisning til at området har samfunnsøkonomiske utfordringer (BL, udatert).
Reykjavik
Reykjavik står overfor noen sosioøkonomiske utfordringer, til tross for landets generelt høye levestandard. Reykjavik har opplevd boligmangel de siste årene, spesielt etter finanskrisen i 2008. Eiendomspriser og husleier har skutt i været, noe som skaper store belastninger for lavinntektsfamilier og unge voksne, spesielt i sentrale områder. Dette har drevet mange innbyggere til å bosette seg lenger fra sentrum, noe som igjen bidrar til sosial segregering. Breiðholt er et av Reykjaviks største og mest sosioøkonomisk mangfoldige områder, men har en høy konsentrasjon av sosiale boliger og en betydelig innvandrerbefolkning. Denne gruppen har ofte møtt utfordringer som arbeidsledighet, språkbarrierer og inntektsulikhet. Området har vært gjenstand for flere sosiale velferds- og samfunnsengasjementsprosjekter som tar sikte på å forbedre levekår og sosial inkludering. Innenfor Breiðholt er Fellahverfi spesielt kjent for sine sosioøkonomiske utfordringer, som høy arbeidsledighet og en høyere andel lavinntektshusholdninger sammenlignet med andre deler av Reykjavik (Iceland Monitor, 2021; Reykjavik.se, udatert).
Stavanger
Ifølge Stavanger kommune er ikke fordelingen av levekår i Stavanger knyttet til bydelsgrenser eller et klart skille mellom øst og vest. Stavanger har en mosaikklignende struktur med en ujevn fordeling av levekår. Det er identifisert områder med utfordringer i den østlige og nordlige delen av Storhaug, den østlige delen av bydelen Eiganes og Våland og den nordøstlige delen av bydelen Hillevåg. Samtidig understreker kommunen at selv om noen områder har høyere sannsynlighet for konsentrasjoner av grupper med dårlige levekår, er disse områdene fortsatt dominert av personer uten slike problemer. Dataene gir derfor ikke grunnlag for å kategorisere områder som gode eller dårlige (Stavanger kommune, 2017).
Tampere
I Tampere / Tammersfors er det områder med høyere arbeidsledighet enn gjennomsnittet, spesielt blant unge og innvandrere. Bydelen Tesoma har blitt trukket frem for sine sosioøkonomiske problemer, som høy arbeidsledighet og lavere gjennomsnittsinntekt sammenlignet med andre deler av byen. Det er gjort en innsats for å forbedre levekårene og sikkerheten til beboere i Tesoma. Innbyggerne har pekt på problemer som forstyrrelser og mangel på fritidsaktiviteter, samtidig som de har berømmet de naturlige omgivelsene, inkludert nærliggende innsjøer og skoger (Tampere kommune, 2024).
Turku
Turku / Åbo har i perioder slitt med høyere arbeidsledighet enn landsgjennomsnittet, spesielt blant unge og innbyggere med innvandrerbakgrunn. Nabolag med høy arbeidsledighet har også en tendens til å ha lavere inntekter og en høyere prosentandel av innbyggerne som er avhengige av sosiale ytelser, som økonomisk bistand. Segregering i boligmarkedet er et økende problem i Åbo, der forskjellene mellom bydelene når det gjelder inntekt og utdanningsnivå har blitt stadig tydeligere de siste tiårene. Området Varissuo, en forstad til Åbo, har blitt trukket frem som et område med sosioøkonomiske utfordringer. Forstaden har en høy andel innbyggere med innvandrerbakgrunn, relativt høy arbeidsledighet og lav gjennomsnittsinntekt sammenlignet med andre deler av byen (Laakkonen, 2022).
Umeå
Umeå er den største byen i Sverige som ikke har noen bydeler som er definert som utsatte av politiet. Samtidig har kommunen, i samarbeid med politiet, identifisert områdene Mariehem, Ålidhem og Ersboda nordøst i Umeå som områder med spesielle utfordringer. Ifølge sosialtjenesten i Umeå er disse områdene sosioøkonomisk sårbare, med høyere grad av trangboddhet, lavere disponibel inntekt og større avhengighet av økonomisk bistand enn Umeå generelt (Umeå kommune, 2020). 
Tabell 7. Oversikt over lokale områder som defineres som sårbare i de deltakende kommunene. 
Av alle de identifiserte sårbare områdene så er det kun to som ikke når et akseptabelt nivå i henhold til den sammenlagte 3+30+300 poengsummen (Tabell 8). Disse er Stavanger sentrum og Fellahverfi. Fellahverfi er en del av det større området Breiðholt, som oppnår en akseptabel poengsum på 6,9. Alle områder oppfyller 3-verdien; det laveste tallet finner vi i Stavanger sentrum, som fortsatt har et gjennomsnitt på 9,9 trær per bygg. Trekronedekning er hovedutfordringen, med 7 av de 17 sårbare områdene som ikke oppnår 30 %, men den laveste verdien er fortsatt 13,4 % i Fellahverfi. Alle områdene har mindre enn 300 meter fra et offentlig grøntområde; den lengste gjennomsnittlige distansen er 270 meter i Stavanger sentrum. Disse resultatene bekrefter den tidligere påstanden om at de nordiske landene viser andre sammenhenger mellom kronedekke, tilgang til grøntområder og tilstedeværelsen av sårbare befolkningsgrupper enn mange andre land. 
Tabell 8. Resultater for 3+30+300 for de ni deltakende kommunene (på bynivå) og de identifiserte sårbare områdene. * Merk at Fellahverfi er en del av det større området Breiðholt. 
 
Poeng 
Gjennomsnittlig antall trær sett fra hver bygning 
Gjennomsnittlig prosentvis trekronedekning 
Gjennomsnittlig avstand til grøntområde (m) 
Sverige
Umeå (hele byen)
9,1
(standardavvik 2,01)
43,5
56,3
33,1
Ersboda
8,9
32,2
47,5
83,1
Mariehem
9,2
40,0
43,8
53,7
Ålidhem
7,9
22,4
38,2
154,2
Malmö (hele byen)
6,3
(standardavvik 1,62)
15,0
18,7
100,0
Nydala/ Hermodsdal/ Lindängen
6,5
16,0
23,3
47,5
Holma/ Kroksbäck/ Bellevuegården
7,1
23,4
26,5
55,4
Rosengård
7,5
40,0
28,9
49,4
Norge
Stavanger (hele byen)
8,3
(standardavvik 1,62)
28,8
36,8
74,7
Sårbare områder i Stavanger
4,9
9,9
19,0
270,5
Bergen (hele byen)
9,5
(standardavvik 1,32)
43,3
63,6
45,1
Ytre Arna
9,9
49,9
77,7
17,3
Loddefjord
9,8
43,7
62,9
39,9
Solheim Sør
8,5
29,4
45,4
106,8
Solheim Nord
7,6
19,4
39,2
206,7
Danmark
Kolding (hele byen)
7,3
(standardavvik 1,97)
22,4
26,2
55,4
Munkebo
6,2
25,0
27,5
168,3
Skovvejen
6,8
25,7
24,5
42,9
Holbæk (hele byen)
6,9
(standardavvik 1,95)
22,5
21,1
51,3
Agervang
7,9
26,1
38,0
26,4
Finland
Turku (hele byen)
9,2
(standardavvik 1,55)
47,0
55,2
41,2
Vassisuo
9,7
44,9
62,7
83,3
Tampere (hele byen)
9,4
(standardavvik 1,28)
48,0
63,4
55,9
Tesoma
9,8
66,9
65,2
51,2
Island
Reykjavik (hele byen)
6,8
(standardavvik 1,83)
22,0
18,3
118,2
Breidholt
6,9
26,8
23,3
40,5
Fellahverfi*
5,7
20,9
13,4
39,2

Nordiske dimensjoner av sosioøkonomisk sårbarhet og tilgang til grøntområder og trær

Analysen ovenfor viser som nevnt at for de nordiske casestudiene er det ingen direkte sammenheng mellom sosioøkonomisk sårbarhet og mangel på grøntområder og urbane trær. Faktisk er det indikasjoner på at denne sammenhengen heller kan gå i motsatt retning. Samtidig tar resultatene ikke hensyn til den faktiske bruken av grøntområder, opplevd tilgjengelighet, trygghet eller kvaliteten på grøntområdene. Studier fra prosjektet NORDGREEN – Smart Planning for Healthy and Green Nordic Cities viser at objektiv avstand og opplevd nærhet til grøntområder ikke alltid samsvarer (Nordh et al., 2024). Studien, som brukte Täby utenfor Stockholm som casestudie, viste at jo mer fornøyde folk var med sin tilgang til grøntområder og med tryggheten utendørs på kveldstid og natt, jo mer fornøyde var de med sitt bomiljø. 
I en finsk studie opplevde innbyggere i områder med høy og lav sosioøkonomisk status (SES) ulike kvalitetsaspekter i sine nærmeste grøntområder (Viinikka et al., 2023). Områder med lav SES var nærmere rekreasjonsfasiliteter og gangveier, mens områder med høy SES hadde bedre tilgang til større grøntområder og skogsområder. En svensk studie viste at bedre tilgang til fullstendig og offentlig tilgjengelige urbane grøntområder er gunstig for grupper med lavere SES, sett fra et helseperspektiv (Mattisson et al., 2022). Imidlertid var tilgangen til offentlig tilgjengelige urbane grøntområder av høy kvalitet lavere i disse områdene, spesielt med tanke på støynivåer, noe som indikerer en negativ innvirkning. 
Potensialet for forbedret folkehelse i estiske byer, gjennom å redusere "grønn ulikhet" ble demonstrert og resultatet er publisert som et konferansesammendrag (Orru et al., 2024) Dette ble gjort ved å sammenligne maksimal eksponering for grøntområder i boligområder (f.eks. 0,49 i Tartu) og gjennomsnittlig eksponering (f.eks. 0,29 i Tartu). Vurderinger av helsepåvirkning indikerte at det å eliminere denne ulikheten kan forhindre omtrent 823 premature dødsfall og 9 854 tapte leveår. Dette ville gi en potensiell økning i forventet levealder med 0,59 år og besparelser på 463,1 millioner euro i eksterne helseutgifter (Orru et al., 2024). De største helsegevinstene ble observert i større byer, hvor forventet levealder kunne øke med opptil 1,49 år. Spesielt viste Tartu betydelig grønn ulikhet, ettersom de fleste innbyggerne hadde lav eksponering for grøntområder, til tross for at byen har store grøntområder som utgjør 25 % av det totale arealet. 
Mange av de områdene som er identifisert som sårbare i denne analysen, ble bygget på slutten av 1960- og 1970-tallet. Alle de definerte utsatte områdene i Sverige er en del av det såkalte “Millionprogrammet”, som var et stort offentlig boligprogram som ble gjennomført i Sverige mellom 1965 og 1974 (bilde 15). Områdene Breiðholt, Tesoma og Varissuo er også fra omtrent samme tidsperiode; byggingen av Breiðholt begynte i 1966, Tesoma ble bygget på 1960-tallet og byggingen av Varissuo startet i 1975. Disse områdene har en lignende bygningstypologi med storskala boligblokker og større områder av bevart natur omkring dem. I Norge er de definerte sårbare områdene betydelig mer varierte i bygningstypologi og alder, selv om boligblokker dominerer. 
""
Bilde 14. Rosengård-distriktet i Malmö, Sverige (foto: Wösel Thorensen).

Konklusjoner

Oppsummert kan det sies at forholdet mellom sosioøkonomisk status på den ene siden og urbane grøntområder og trær på den andre siden har en spesifikk nordisk dimensjon, da mange sårbare områder har akseptable nivåer av grøntområder rent geografisk sett. Malmö-caset viser en sammenheng mellom andelen første- og andregenerasjons migranter og 3+30+300-poengsum, der områder med høyere andel migranter er grønnere. Denne sammenhengen skal imidlertid ikke nødvendigvis sees på som en faktisk korrelasjon, men kan spores tilbake til bygningstypologien som dominerer sosioøkonomisk utsatte områder i Malmö og i flere av de andre nordiske byene som er studert. Samtidig uttrykker både forskere og myndigheter bekymring for at sårbare områder i større grad er utsatt for de negative effektene av et varmere klima med forsterket urban varmeøyeffekt. Dette kan også knyttes til bygningstypologier, som høye boligblokker med stort innslag av harde flater (f.eks. parkeringsplasser) og urbane grøntområder av lav kvalitet i form av kortklipte, ensformige plenområder. Videre, ettersom denne analysen ikke sammenligner mer utsatte områder med mer velstående områder, kan relativ miljørettferdighet fortsatt være et tema, ettersom områder med høyere sosioøkonomisk status kan ha mer tilgjengelige grøntområder og trær, og også med høyere kvalitet enn i de utsatte områdene. 
To nyere studier i Sverige har konkludert med at grøntområder i svenske byer har blitt redusert. En studie fra Ekot (Sveriges Radios nyhetsredaksjon) viser at grøntområdene har blitt redusert i samtlige større byer de siste fem årene, med et samlet arealtap på over 1 300 hektar (sr.se, 2024). Lignende resultater finnes i Husqvarna Groups Husqvarna Urban Green Space Index (forkortet HUGSI, Husqvarna Group, 2024), som bruker AI til å kartlegge grøntområder i Sveriges 20 største byer. Ifølge indeksen forsvant 65 hektar grøntområder i disse byene i perioden 2022–2023. Mens Ekots studie indikerer at sosioøkonomiske områder har blitt spesielt rammet av tap av grøntområder, har ikke forskningen hatt et spesifikt fokus på miljørettferdighet. 
Som diskutert ovenfor er det ingen felles definisjon av sosioøkonomisk sårbarhet i de nordiske landene. Parametere som sysselsettingsgrad, utdanningsnivå, inntekt, folkehelse og etnisitet brukes, men ikke på samme måte eller i samme omfang. Fra et miljømessig sårbarhetsperspektiv beskrives ofte barn, eldre og kronisk syke som spesielt sårbare grupper, da de er mer utsatt for de negative helseeffektene av et varmere klima og miljøfaktorer som forurensning og støy. Disse gruppene har ofte begrenset mobilitet, noe som gjør nærmiljøet desto viktigere. For å prioritere investeringer i urbane grøntområder og trær må det derfor tas hensyn til sårbare grupper. De utsatte områdene har generelt større helseutfordringer (som sett i antall sykedager i Malmö-studien og påpekt av de norske kommunene) samt en yngre befolkning. Disse områdene er derfor fortsatt viktige å prioritere når ressurser til urbane grøntområder skal fordeles, selv om de oppnår høy eller relativt høy poengsum i henhold til 3+30+300-prinsippet. 
 
I gap-analysen ble det også diskutert at mange av områdene som får lav poengsum, i henhold til 3+30+300 i analysen, er industriområder og tette områder i indre by. De første er områder der det bor få mennesker, mens sentrumsområder ofte er godt tilknyttet offentlig transport og annen transportinfrastruktur, noe som gjør det lettere å nå grøntområder utenfor sentrum. 
Sårbare grupper har kanskje fortsatt ikke muligheten til å reise, noe som gjør institusjoner for disse gruppene, som barnehager, skoler, sykehus og andre helseinstitusjoner, samt eldrehjem og sykehjem, til viktige fokusområder når man investerer i urbane grøntområder og trær. 
""
Bilde 15. Å ha god tilgang til trær og annen natur er spesielt viktig for barn (foto: Anna Maria Larson). 

Sammenligning av trekronedekning og klimarelaterte parametere

Forskning viser konsekvent at trær og grøntområder er avgjørende for å redusere støy, forbedre luftkvaliteten og styrke klimarobusthet. Mange vitenskapelige studier har understreket viktigheten av trær i urbane miljøer og understreket deres rolle i utformingen av bærekraftig byplanlegging og økologiske strategier (Nowak et al., 2014; Zhao et al., 2022; Gillerot et al., 2023). 
Kronedekket er spesielt viktig for å dempe virkningen av urbane varmeøyer (UHI), et fenomen der byer opplever høyere temperaturer enn nærliggende landlige områder på grunn av varmeabsorberende materialer som betong og asfalt. I tett befolkede områder forsterker mangelen på tilstrekkelig trekronedekning denne effekten, og øker risikoen for ekstrem varme om sommeren, spesielt under hetebølger (Sinha et al., 2022; Sheridan et al., 2024). 
Den globale temperaturøkningen på 1,1 °C har allerede utløst dyptgripende endringer uten sidestykke i jordens klimasystem, inkludert stigende havnivå, stadig hyppigere og mer intense værhendelser og en akselerert smelting av havis. Etter hvert som planeten varmes opp ytterligere, vil disse forstyrrelsene intensiveres, med vidtrekkende konsekvenser for både naturlige økosystemer og menneskelige samfunn. 
En av de mest kritiske konsekvensene av ytterligere oppvarming er intensiveringen av hendelser med ekstrem hete. Hver økning på 0,5 °C i de globale temperaturene fører til hyppigere, mer alvorlige og langvarige hetebølger, ledsaget av kraftigere nedbør og lengre tørkeperioder i ulike regioner. For eksempel, med en oppvarming på bare 1,5 °C, kan hetebølger som tidligere skjedde en gang i tiåret oppstå 4,1 ganger så ofte. Hvis temperaturene fortsetter å stige til 2 °C eller høyere, vil ekstrem hete forekomme hyppigere og bli farligere, og presse økosystemer og samfunn til bristepunkter (IPCC, 2023). 
I de nordiske landene blir den økende risikoen for hetebølger stadig tydeligere som følge av klimaendringene, som forventes å øke både hyppigheten og intensiteten av ekstreme hetehendelser (Figur 34). Regionale varmekart, basert på IPCCs prognoser for fremtidig klima, fremhever de betydelige endringene som forventes i disse regionene etter hvert som de globale temperaturene stiger. 
""
Figur 34. Sommervarmekart med gjennomsnitt over tre år, og projeksjon for 2090, som illustrerer endringer i klima og deres korrelasjon med optimale habitater for trær i Malmö kommune. Denne visualiseringen understreker hvordan endrede klimatiske forhold påvirker områder som er egnet for trærs vekst, og viser en klar forverring av vekstforholdene for trær i hele kommunen.

Betydningen av trekronedekning

For å motvirke effektene av hyppigere hetebølger og et varmere klima, er økt trekronedekning en kraftig strategi. Forskning viser at urbane områder med omfattende dekning av trekroner opplever lavere temperaturer. Trær gir skygge og kjøler ned miljøet gjennom evapotranspirasjon – en prosess der trærne avgir vanndamp som senker lufttemperaturen i omgivelsene. Studier med varmekartlegging viser konsekvent en sterk sammenheng mellom tett vegetasjon og lavere lokale temperaturer, med områder med rikelig grønt som ofte er flere grader kjøligere enn områder med liten eller ingen trekronedekning (Sinha et al., 2022; Sheridan et al., 2024). 
I Malmö er nabolag med en trekronedekning på 30 % eller mer bedre rustet til å redusere fremtidig varmerisiko, takket være sin gode kronedekning (Figur 35). Når man sammenligner varmekart og data om kronedekke, er sammenhengen tydelig: urbane områder med høyere trekronedekningsnivåer viser konsekvent lavere varmerisiko, mens områder med sparsom vegetasjon har betydelig høyere overflate- og lufttemperaturer. Som tidligere diskutert i denne rapporten, gir trær ikke bare naturlig kjøling gjennom skygge, men øker også evapotranspirasjon, noe som senker temperaturene ytterligere. Motsatt absorberer og lagrer områder med minimal trekronedekning mer varme, noe som bidrar til forhøyede lokale temperaturer. Denne forbindelsen understreker den avgjørende rollen trær spiller for å redusere urban varmerisiko og skape svalere, mer levelige byer. 
Figur 35. Sammenheng mellom høy trekronedekning og varmestress i Malmö by. Poengsummen er basert på varmestresskartene i Figur 34, der 2 representerer optimale forhold for trær og 7 representerer ugunstige forhold.
Når man analyserer flere casestudiebyer, kan man lese en klar sammenheng mellom grad av trekronedekning og redusert varmestress (Figur 36). Disse resultatene påvirkes imidlertid også betydelig av faktorer som bystruktur, byggematerialer og tilstedeværelsen av annen grønn infrastruktur. Høyere kronedekning bidrar til å lindre varmestress, men virkningen er formet av den bredere urbane konteksten. For eksempel kan godt planlagte grøntområder, reflekterende bygningsmaterialer og permeable overflater forsterke den kjølende effekten av trær, mens tett bebyggelse og varmeabsorberende materialer kan begrense den. Dette understreker viktigheten av å kombinere kronedekning med smart byplanlegging og bærekraftig infrastruktur for å oppnå optimal klimarobusthet.  
Figur 36. Sammenheng mellom høy trekronedekning og varmestress i tre av casestudieområdene (Malmö, Umeå og Stavanger). Poengsummen er basert på varmestresskartene, der 2 representerer optimale forhold for trær og 7 antyder ugunstige forhold.
Malmö og Stavanger har ulike karaktertrekk når det gjelder trekronedekning og varmerisiko. Stavanger drar nytte av en større integrering av naturlandskap og viser en høyere grad av kronedekning i byområdene. I kontrast til dette har Malmö, med sin tettere bystruktur, til sammenligning lavere kronedekning, noe som gjør byen mer utsatt for varmerisiko. Forskjellene i byplanlegging og miljøforhold påvirker i stor grad hvordan hver by håndterer utfordringene med stigende temperaturer og klimarobusthet. 
Malmös begrensede kronedekke, kombinert med høy befolkningstetthet, gjør byen mer utsatt for den urbane varmeøyeffekten (UHI). Mangelen på tilstrekkelig trekronedekning forsterker varmeøyeffekten og øker Malmös eksponering for ekstreme hetehendelser. I Stavanger derimot, forsyner den høyere trekronedekningen byen med viktige fordeler av naturlig kjøling (Figur 37). Det store antallet trær og parker bidrar til å dempe temperaturene, noe som effektivt reduserer varmeøyeffekten og fungerer som en buffer mot varmerelaterte risikoer. Denne kontrasten fremhever den avgjørende rollen som grønne områder spiller i byplanlegging, som en strategi for å styrke klimarobustheten og forbedre den generelle livskvaliteten i urbane miljøer i fremtiden. 
""
Figur 37. Trekronedekningen i Stavanger analyseres sammen med varmekartdata. Dette understreker sammenhengen mellom vegetasjon og temperaturfordeling. Det venstre bildet viser nåværende forhold, mens det høyre bildet representerer klimaprojeksjoner for år 2090 med dagens trekronedekning.

Støyforurensing

For å vurdere forholdet mellom kronedekning og miljøfaktorer som støy, analyserer vi ulike miljøparametere i forhold til spesifikke terskelverdier satt av autoritative organisasjoner som Verdens helseorganisasjon (WHO), EU og nasjonale miljømyndigheter. Disse referanseverdiene er avgjørende for å evaluere overholdelse av folkehelse- og miljøstandarder. 
Støyforurensning måles i desibel (dB), og evaluering av støyeksponering er bygger på etablerte veiledende verdier som er satt for å beskytte folkehelsen. Dag-kveld-natt-nivå (Lden)-beregningen beregner et gjennomsnitt av støynivåer over en 24-timers periode, med større vekt på kvelds- og nattestøy, da disse periodene har større påvirkning på menneskers helse. I henhold til retningslinjene fra Verdens helseorganisasjons (WHO) er den anbefalte Lden-terskelverdien for veitrafikkstøy < 53 dB og for jernbanestøy < 54 dB. Disse terskelverdiene er avgjørende for å vurdere om langvarig støyeksponering overskrider nivåer som kan påvirke folkehelsen negativt, og potensielt føre til problemer som stress og hjerte- og karsykdommer. I tillegg er den anbefalte årlige gjennomsnittlige eksponeringsgrensen for støy fra alle sammenlagte kilder ≤ 70 dB LAeq, 24h (WHO og FN, 2022). 
Disse verdiene fungerer som referansepunkter for vurdering av støynivå. Ved å sammenligne de målte støynivåene med disse etablerte retningslinjene, identifiserer denne analysen spesifikke områder der støyforurensningen er høyest i Malmö by (Figur 38). Analysen undersøker også den potensielle sammenhengen mellom baldakindekning og støyforurensning. 
""
Figur 38. Støyforurensningskart for Malmö som viser den samlede gjennomsnittsverdien for alle støykilder fra veitrafikk, tog og industrivirksomhet.
Kartet viser betydelige forskjeller i støynivå mellom urbane og landlige områder i Malmö. Bymiljøer, som er preget av høy befolkningstetthet og mye trafikk, har vanligvis høyere støynivåer sammenlignet med de landlige områdene. For eksempel kan tett befolkede bydeler med stor trafikkflyt måle støynivåer på over 70 dB, hovedsakelig på grunn av veitrafikk og andre urbane aktiviteter. I kontrast har landlige områder, som ofte er preget av lavere trafikkvolum og færre fritidsaktiviteter, vanligvis roligere lydlandskap med gjennomsnittlig støynivå rundt 40–50 dB, men også lavere grad av kronedekning. 
Til tross for utfordringene med urban støy, er det en klar sammenheng mellom kronedekning og lavere støynivå. Områder med betydelig kronedekke viser lavere støynivåer, noe som viser at trær spiller en avgjørende rolle i å dempe effektene av urban støyforurensning (Figur 39). De naturlige lydabsorberende egenskapene til trær, sammen med deres evne til å skape en buffer mot støy, gjør dem til en viktig del av byplanlegging med mål om å forbedre allmenn livskvalitet. 
Figur 39. Støyforurensning i forhold til kronedekning i Malmös bydeler: Grafen viser gjennomsnittlig prosent kronedekning, spesifikt for bydeler innenfor Malmös byområder (se Figur 38), kategorisert etter gjennomsnittlig støynivå på eller under 53 dB, mellom 53 og 69 dB, og på eller over 70 dB.
Områder med høy trekronedekning har ofte færre veier og lavere trafikkvolum. Dette er ikke bare en tilfeldighet; Områder med mye grøntareal er ofte planlagt med større hensyn til naturlandskapet, noe som ofte fører til utvikling av bymiljøer med lavere tetthet og mindre trafikk. Det reduserte antallet veier betyr færre kjøretøy, noe som bidrar til lavere støynivå totalt sett.

Konklusjon

Økt trekronedekning står frem som en kraftfull strategi for å møte hyppigere hetebølger og et varmere klima. Forskning viser gjennomgående at urbane områder med omfattende kronedekning har kjøligere temperaturer, takket være trærnes skyggeeffekt og deres evne til å kjøle ned miljøet gjennom evapotranspirasjon. Denne naturlige prosessen senker ikke bare lufttemperaturen i omgivelsene, men skaper også en buffer mot varmestress. Dette understreker den avgjørende rollen trær spiller for å forbedre urban livskvalitet. 
Casestudier fra byer som Malmö og Stavanger illustrerer viktigheten av trekronedekning for å redusere varmerisiko i byene. Tettere bystruktur og begrenset kronedekning i Malmö gjør byen mer sårbar for den urbane varmeøyeffekten, noe som fører til høyere overflate- og lufttemperaturer, spesielt ved ekstrem hete. I kontrast så resulterer en høyere kronedekningsgrad og integrering av naturlandskapet i Stavanger til mer moderate temperaturer, noe som tydelig demonstrerer de beskyttende fordelene med urbane grøntområder. 
Videre viser analysen av støynivåer i forhold til trekronedekning en betydelig sammenheng mellom tett vegetasjon og reduserte støynivå. Urbane med omfattende kronedekning har typisk lavere støyforurensning, noe som bidrar til et sunnere lydmiljø. Dette er spesielt viktig sett i lys av etablerte retningslinjer for støyeksponering fra autoritative organisasjoner som Verdens helseorganisasjon (WHO), som viser at langvarig eksponering for høye støynivåer kan føre til alvorlige helseproblemer. 
Å kombinere trekronedekning med godt gjennomtenkt byplanlegging er avgjørende for å skape mer motstandsdyktige og levelige byer. Ved å redusere antall veier og trafikkvolum i områder med rikelig grøntareal, kan byene oppnå redusert støyforurensning og forbedret livskvalitet. Synergiene mellom økt kronedekke, redusert varmestress og lavere støynivå fremhever de mange fordelene med urban grøntstruktur og posisjonerer det som en essensiell komponent i bærekraftig byutvikling. 

Trær i fremtidige klima­scenarier

Fremtidens urbane miljøer formes i en kontekst der klimaet er i endring. Derfor utgjør klimamodellene fra FNs klimapanel (IPCC) et viktig utgangspunkt. Analysen av forventede, fremtidige klimaeffekter gir innsikt i urbane områder som står overfor økt risiko for varmestress, samt regioner som kan forvandles fra ugjestmilde miljøer til "tre-vennlige" habitater. 
Disse scenariene gir også viktig informasjon om effektive ørkensoner – områder der stigende temperaturer og redusert vegetasjon gjør forholdene stadig mer ulevelige, både for trær og mennesker. Selv om slike soner er relativt sjeldne i Norden sammenlignet med andre deler av verden, utgjør deres potensielle fremvekst betydelige utfordringer for byplanleggere og miljømyndigheter. Visualisering av disse scenariene gjør det mulig å identifisere sårbare byområder der det er påkrevd med målrettede intervensjoner for å dempe varmestress og styrke klimarobusthet. 
Analysen går lengre enn bare å identifisere risikoområder; Den inkluderer avanserte beregningsmodeller som forutsier forventede endringer i temperatur og vegetasjonens egnethet i ulike urbane landskap. Å undersøke sammenhengen mellom varmestress i byer og vegetasjonens egnethet gir en bedre forståelse av hvordan ulike nabolag kan tilpasse seg – eller få problemer med å tilpasse seg – til disse klimaendringene.
De deltakende kommunene evalueres på en skala fra 1 til 7. Dette gir en nyansert vurdering av deres egnethet for trærs vekst (Figur 40). En poengsum på 1 betyr områder som er kaldere enn de optimale forholdene for trær, noe som kan medføre utfordringer for plantehelse og vekst. I den andre enden av skalaen betyr en poengsum på 7 at området opplever alvorlig varmestress, noe som kan hemme trærnes vitalitet og biodiversitet. 
Dette poengsystemet gjør det mulig å identifisere områder der det kan være påkrevd med handling eller tilpasningsstrategier for å fremme initiativer som styrker den urbane trebestanden. Poeng i mellomsjiktet (2 til 6) gjenspeiler varierende grad av klimamessig egnethet og fremhever områder som kan være på grensen til å gå fra mindre gunstige til mer optimale forhold for trevekst. Denne detaljerte evalueringen informerer byplanleggere og beslutningstakere om nåværende egnethet, og gir angir retning for fremtidig innsats som fremmer bærekraftige og motstandsdyktige urbane trebestander i møte med et klima i endring.
Heat stress score
7
Morbid heat stress
6
Extreme heat stress
5
Very strong heat stress
4
Strong heat stress
3
Moderate heat stress
2
Optimal conditions
1
Colder than optimal

Figur 40. Oversikt over ulike nivå av varmestress.

Scenarier for Yggdrasils deltakende kommuner

Figurene 41–56 presenterer scenarier som er relatert til klimaendringer for de fleste av prosjektets deltakende kommuner. Figurene viser endringer i klimaet og deres sammenheng med optimale forhold for trær for kommunene fra i dag og frem til år 2090. Tabellene viser framskrevet utvikling av risiko for hete for hver kommune, igjen fra i dag til år 2090. 
Scenariene viser stor variasjon mellom kommunene og understreker at bystrukturen har stor innvirkning på den urbane varmeøyeffekten, som igjen forverrer effektene av klimaendringene. Områder med betydelig kronedekke og vegetasjon i byene kan bidra til å dempe disse effektene, noe som resulterer i gunstigere poengsum. Samtidig vil varmeøyeffekten påvirke urbane områder i økende grad, noe som krever en revurdering av hvilke treslag som kan trives under de endrede forholdene. Dette understreker betydningen av tilpassede strategier for forvaltning av den urbane trebestanden, for å styrke økologisk motstandskraft og sikre bærekraften til urbane grøntområder i et endret klima. 
Landlige områder på sin side, har generelt fordelen av lavere temperaturer og mer naturlig vegetasjon, noe som gjør dem mindre utsatt for varmeøyeffekten. Denne naturlige fordelen understreker behovet for at byplanleggere prioriterer kronedekke og urbane grøntområder for å skape mer balanserte mikroklima. Ved å inkludere tilgjengelige grøntområder og tilstrekkelig grad av trekronedekning i byplanleggingen, kan kommunene utvikle gjennomtenkte miljøer som løfter byenes estetiske verdi, og bidrar til miljømessig helse og innbyggernes komfort. 
""
Figur 41. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Stavanger kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen. 
""
Figur 42. Andelen av Stavanger kommune som er klassifisert innenfor hver kategori, og endringer over tid.
""
Figur 43. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Bergen kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 44. Andelen av Bergen kommune som er klassifisert innenfor hver kategori og endringer over tid.
""
Figur 45. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Holbæk kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 46. Andelen av Holbæk kommune som er klassifisert innenfor hver kategori og endringer over tid.
""
Figur 47. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Kolding kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 48. Andelen av Kolding kommune som er klassifisert innenfor hver kategori og endringer over tid.
""
Figur 49. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Malmö kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 50. Andelen av Malmö kommune som er klassifisert innenfor hver kategori og endringer over tid.
""
Figur 51. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Tampere kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 52. Andelen av Tampere kommune klassifisert innenfor hver kategori og endringer over tid.
""
Figur 53. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Turku kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 54. Andelen av Turku kommune klassifisert i hver kategori og endringer over tid.
""
Figur 55. Scenario som illustrerer endringer i klimaet og sammenheng med optimale habitater for trær i Umeå kommune. Visualiseringen understreker hvordan endrede klimaforhold påvirker hvilke områder som er best egnet for trærs vekst, og gir verdifull innsikt i bærekraft og tilpasningsevne for forvaltning av den urbane trebestanden i regionen.
""
Figur 56. Andelen av Umeå kommune som er klassifisert innenfor hver kategori og endringer over tid.