Vleermuizen in Friese Kerken. Intensivering NEM-kerkzoldertellingen in Friesland en onderzoek naar de factoren die effect hebben op de aanwezigheid van vleermuizen op Friese kerkzolders.

Sinds lange tijd hebben (oude) gebouwen zoals kerken huisvesting geboden aan vleermuizen. Vleermuizen hebben te maken met veranderingen in het landschap en hun verblijfplaatsen. Dit kan een negatief effect hebben en zorgen voor afnames bij vleermuispopulaties binnen een bepaald gebied. Tijdens dit onderzoek is gekeken naar vleermuizen die ’s zomers in Friese kerken verblijven in kader van het Netwerk Ecologische Monitoring (NEM). Naast de gebruikelijke NEM-data (telformulieren) zijn er aanvullende data verzameld. Er is gekeken in welke kerken vleermuizen verblijven tijdens de kraamperiode in juni, juli en augustus. Daarnaast is gekeken naar de bepalende factoren die de aanwezigheid van vleermuizen kunnen verklaren. Het onderzoek had als doel om bij te dragen aan de kennis over vleermuizen in Friese kerken, zodat dit gebruikt kan worden bij beleid om een betere bescherming te bieden, en de vleermuizen in Friese kerken te behouden. Tijdens het onderzoek zijn 218 kerken bezocht en zijn van 204 kerken data verzameld. In totaal werden in 74 kerken (36,3%) vleermuizen aangetroffen en in 172 kerken (84,3%) mest van vleermuizen. In totaal werden zeven verschillende soorten vleermuizen aangetroffen. De meest aangetroffen soorten zijn gewone grootoorvleermuis (Plecotus auritus), watervleermuis (Myotis daubentonii) en de laatvlieger (Eptesicus serotinus). Voor deze soorten zijn verdere analyses uitgevoerd waarbij verse mest als afhankelijke variabele voor aanwezigheid is genomen. Voor de analyses zijn Generalized Lineair Models in SPSS gebruikt om het effect van diverse gebouw- en omgevingskenmerken vast te stellen. De gebouwkenmerken werden bij de kerken verzameld en de omgevingskenmerken werden verzameld uit beschikbare geodata met behulp van ArcGIS 10.3. Om het grote aantal omgevingskenmerken terug te brengen naar enkele variabelen is een Principle Component Analysis toegepast in SPSS. Uit deze analyse kwamen vier componenten, die benoemd zijn als lineaire vegetatiestructuren, oppervlakte bebouwing, oppervlakte water en oppervlakte loofbos. Deze vier componenten zijn gebruikt bij de analyse als omgevingskenmerk. De beste modellen werden geselecteerd en wanneer er geen model was die data het best omschreef is ‘model averaging’ toegepast. Verse mest van de gewone grootoorvleermuis bleek vaker aanwezig in omgevingen met meer lineaire vegetatiestructuren en met een groter oppervlakte aan loofbos. Op de zolder van het schip werd vaker verse mest aangetroffen vergeleken met de toren. Bij de laatvlieger en de watervleermuis kwam naar voren dat verse mest van de soort vaker aanwezig was in kerken met minder lineaire vegetatiestructuren in de omgeving. Verse mest van laatvliegers vaker gevonden in het schip, terwijl verse mest van watervleermuizen vaker in de toren werd gevonden. In kerken met laatvliegers en watervleermuizen is een hogere luchtvochtigheid gemeten en de beide soorten hadden een voorkeur voor oudere kerken. Bij de laatvlieger bleek de inhoud van een zolder ook een bepalende factor, op grotere zolders werd vaker verse mest aangetroffen. Vleermuizen zijn zwaar beschermd, dus bij ingrepen in het landschap moet er voor de gewone grootoorvleermuis sterk rekening gehouden worden met het belang van lineaire vegetatiestructuren zoals hagen en bomenrijen in verbinding met loofbos. Daarnaast is het van belang dat er bij bouwwerkzaamheden in kerken sterk rekening gehouden wordt met de aanwezigheid van vleermuizen, waarbij de kerk na de werkzaamheden niet ongeschikt mag raken.