Data on soil invertebrate communities at PAPILLONS field plot experiment sites in Finland (Natural Resources Institute Finland and Finnish Environment Institute), Germany (University of Bonn) and Spain (IMDEA Water), sampled in autumn 2022 and 2023. At all three study sites, five treatments with five replicate plots were established in spring 2022: control with no microplastic addition, and two nominal concentrations (0.005%, 0.05%) of conventional polyethene (PE) and blend of starch and polybutylene adipate terephthalate (PBAT) microplastics. Microarthropods and earthworms from Spain and Germany were analysed at the Vrije Universiteit Amsterdam and part of the earthworms and enchytraeids at Finnish Environment Institute. eDNA data (Natural Resources Institute Finland) on microfauna has been saved in another data repository.

Data on soil invertebrate communities at PAPILLONS field plot experiment sites in Finland (Natural Resources Institute Finland and Finnish Environment Institute), Germany (University of Bonn) and Spain (IMDEA Water), sampled in autumn 2022 and 2023. At all three study sites, five treatments with five replicate plots were established in spring 2022: control with no microplastic addition, and two nominal concentrations (0.005%, 0.05%) of conventional polyethene (PE) and blend of starch and polybutylene adipate terephthalate (PBAT) microplastics. Microarthropods and earthworms from Spain and Germany were analysed at the Vrije Universiteit Amsterdam and part of the earthworms and enchytraeids at Finnish Environment Institute. eDNA data (Natural Resources Institute Finland) on microfauna has been saved in another data repository.

This Zenodo repository contains data and scripts related to the manuscript: "Adaptations and maladaptations due to evolution at constant, but not at fluctuating temperatures"The corresponding GitHub repository is https://github.com/ikron/fluct_temperature_evoThe difference to the github repo is that photographs taken of the plates from which competition experiment colonies were counted are included in the Zenodo submission, as they were too large to be upload into github.

This Zenodo repository contains data and scripts related to the manuscript: "Adaptations and maladaptations due to evolution at constant, but not at fluctuating temperatures"The corresponding GitHub repository is https://github.com/ikron/fluct_temperature_evoThe difference to the github repo is that photographs taken of the plates from which competition experiment colonies were counted are included in the Zenodo submission, as they were too large to be upload into github.

Excel-pohjaiset laskurityökalut luonnonarvohehtaareihin perustuvaan ekologisen kompensaation laskentaan.Tätä sivua ylläpitää BOOST-tutkimushanke. Briefly in English: This dataset includes Excel sheets for biodiversity offsetting calculations in the Finnish context. Excels enable calculation of biodiversity losses, gains, and response functions specific for biodiversity components and offset actions. In Finland, biodiversity offsetting is based on habitat hectares. Huomaa, että nämä laskurit on tuotettu tutkimushankkeessa ja ne perustuvat ekologiseen tutkimuskirjallisuuteen. Laskureissa on siis mahdollista huomioida elementtejä, joita ei huomioida esimerkiksi Suomen lainsäädännössä. Käyttäjän vastuulla on varmistaa, että laskenta vastaa kulloiseenkin tarpeeseen.Laskureiden käyttöön ohjeistetaan Jyväskylän Kauramäen-kompensaatiolaskentaraportissa: Eini Nieminen, Panu Halme, Joel Jalkanen & Atte Moilanen. 2025. Metsien ekologisen kompensaation laskenta – Kauramäen pilottihanke, Jyväskylä. MuutoslokiPäivämääräAineistoversion pysyväislinkkiTapahtuma / muutos17.9.202510.5281/zenodo.15780147Haittalaskurin, hyvityslaskurin, kertymälaskurin, nettohyvityslaskurin ja vastelaskurin ensimmäiset versiot (1.0–2025). LaskurityökalutLaskurityökaluKuvausHaittalaskuri_V1.0-2025.xlsxLaskuri luontoa heikentävän toiminnan aiheuttamien välittömien ja välillisten luontohaittojen määrittämiseen luonnonarvohehtaareina.Hyvityslaskuri_V1.0-2025.xlsxLaskuri, joka määrittää, kuinka suurella pinta-alalla hyvittävää toimenpidettä tulee tehdä, kun tiedossa on haitan suuruus ja hyvitystoimenpiteen vaste sekä muut hyvitykseen vaikuttavat tekijät.Kertymälaskuri_V1.0-2025.xlsxLaskuri, jonka määrittää, kuinka monta luonnonarvohehtaaria yhdelle hyvitysalueelle karttuu vuosittain hyvitystoimenpiteiden toteuttamisen jälkeen. Käytetään määrittämään, kuinka monta luonnonarvohehtaaria kohteelta on käytettävissä tiettynä vuonna jonkin haitan hyvitykseksi. Laskurissa voi huomioida usean hyvitystoimenpiteen yhteisvaikutuksen.Nettohyvityslaskuri_V1.0-2025.xlsxLaskuri, jonka avulla voi arvioida, kuinka monta luonnonarvohehtaaria usean hyvitysalueen joukko vastaa yhdessä ja erikseen. Laskurissa voi huomioida mm. sen, että hyvitysalueet voivat olla eri ekologisessa lähtötilassa ja että hyvitystoimenpiteet on voitu tehdä vaihtelevasti ennakkoon. Laskurissa voi huomioida usean hyvitystoimenpiteen yhteisvaikutuksen.Vastelaskuri_V1.0-2025.xlsxLaskuri, jossa on useita vaihtoehtoja erilaisten luonnonarvo- ja toimenpidekohtaisten vastefunktioiden määrittämiseen. ViittausohjeTekijät. Laskurin nimi. Laskurin versionumero. Ekologisen kompensaation Excel-laskurit. Zenodo-pysyväislinkki.Eli esimerkiksi: Atte Moilanen, Eini Nieminen & Joel Jalkanen. 2025. Nettohyvityslaskuri. Versio 1.0–2025. Ekologisen kompensaation Excel-laskurit. https://doi.org/10.5281/zenodo.15780147.Tekijätiedot ja viittausohje löytyvät kunkin laskuritiedoston viimeiseltä välilehdeltä. LisätietojaKaikki BOOST-tutkimushankkeessa tuotetut ekologisen kompensaation laskennan aineistot löytyvät kootusti tästä linkistä.Ekologisen kompensaation laskennan ja vasteiden määrittämisen periaatteet:Joel Jalkanen, Eini Nieminen, Aapo Ahola, Pälvi Salo, Minna Pekkonen, Emma Luoma, Anni Kettunen, Panu Halme, Minna Pappila, Janne Kotiaho & Heini Kujala. 2025. Heikennys- ja hyvitysalueiden luonnonarvohehtaarien laskeminen luonnonsuojelulain mukaisessa ekologisessa kompensaatiossa. Suomen ympäristökeskuksen raportteja 1/2025.Ekologisen kompensaation laskennan tieteellinen kuvaus:Atte Moilanen & Pauli Lehtinen. 2025. Simple analysis of biodiversity response functions and multipliers for biodiversity offsetting and other applications. Environmental Modelling & Software 185: 106322.Suomessa virallista ekologista kompensaatiota säädellään luonnonsuojelulaissa ja omassa asetuksessaan.LuonnonsuojelulakiYmpäristöministeriön asetus vapaaehtoisesta ekologisesta kompensaatiostaYmpäristöministeriön sivut PalauteJoel Jalkanen, Luonnontieteellinen keskusmuseo, [email protected]

NOTE: THE REPOSITORY IS CURRENTLY EMPTY. THE SIMULATED IMAGES WILL BE ADDED AS SOON AS POSSIBLE.We use a recently developed forest canopy simulator HyperBlend. It takes into account 1) the shape of the terrainand the spectral reflectance of the soil, 2) the sun angle for realistic shadows, 3) tree geometry and the averageleaf angle, and 4) spectral reflectance and transmittance of the leaves. It can simulate multilayered heterogeneouscanopies complete with understory and soil. Each simulated scene then contains trees of varying height that mayshadow each other and they can be partially obstructed by other trees. For leaf spectra, we use the measured spec-tra of ten different tree species from the LOTUS dataset. We use two simulated soil spectra from GSV simulator:dry sand that is very reflective and wet peat that is very absorbing. Used sun and sky spectra are simulated withSSolar GOA. HyperBlend supports up to ten different tree models per scene. As each tree model can be assignedonly one leaf spectra, the available intra-species variation in leaf spectra is used by picking different measurementsfrom the LOTUS data. Inter-species variation is achieved by populating the scene with spectra of varying species.Geometrical variance is achieved by setting up 5 different scene variations.Each spectral image will cover a 50 m square (the simulated area is larger so that trees outside the imaged area canstill affect the image by casting shadows, for example). For unmixing purposes, first a 1024 pixel square (spatial res-olution) spectral image is generated. Each successive image will have one fourth of the pixel count of the previous(256, 64, 16, and 4 pixel squares). The pixel labels in the highest resolution image are divided to the low-resolutionimages to provide the fraction of each spectral signal to be used as a ground-truth for unmixing. All in all, fivegeometry variations with two soil variations are generated in five spatial resolutions resulting in 50 simulated spec-tral image cubes. An example of generated data (drone image from top of the canopy, and mean spectra of selectedregions of interest) is shown below.

NOTE: THE REPOSITORY IS CURRENTLY EMPTY. THE SIMULATED IMAGES WILL BE ADDED AS SOON AS POSSIBLE.We use a recently developed forest canopy simulator HyperBlend. It takes into account 1) the shape of the terrainand the spectral reflectance of the soil, 2) the sun angle for realistic shadows, 3) tree geometry and the averageleaf angle, and 4) spectral reflectance and transmittance of the leaves. It can simulate multilayered heterogeneouscanopies complete with understory and soil. Each simulated scene then contains trees of varying height that mayshadow each other and they can be partially obstructed by other trees. For leaf spectra, we use the measured spec-tra of ten different tree species from the LOTUS dataset. We use two simulated soil spectra from GSV simulator:dry sand that is very reflective and wet peat that is very absorbing. Used sun and sky spectra are simulated withSSolar GOA. HyperBlend supports up to ten different tree models per scene. As each tree model can be assignedonly one leaf spectra, the available intra-species variation in leaf spectra is used by picking different measurementsfrom the LOTUS data. Inter-species variation is achieved by populating the scene with spectra of varying species.Geometrical variance is achieved by setting up 5 different scene variations.Each spectral image will cover a 50 m square (the simulated area is larger so that trees outside the imaged area canstill affect the image by casting shadows, for example). For unmixing purposes, first a 1024 pixel square (spatial res-olution) spectral image is generated. Each successive image will have one fourth of the pixel count of the previous(256, 64, 16, and 4 pixel squares). The pixel labels in the highest resolution image are divided to the low-resolutionimages to provide the fraction of each spectral signal to be used as a ground-truth for unmixing. All in all, fivegeometry variations with two soil variations are generated in five spatial resolutions resulting in 50 simulated spec-tral image cubes. An example of generated data (drone image from top of the canopy, and mean spectra of selectedregions of interest) is shown below.

Excel-pohjaiset laskurityökalut luonnonarvohehtaareihin perustuvaan ekologisen kompensaation laskentaan.Tätä sivua ylläpitää BOOST-tutkimushanke. Briefly in English: This dataset includes Excel sheets for biodiversity offsetting calculations in the Finnish context. Excels enable calculation of biodiversity losses, gains, and response functions specific for biodiversity components and offset actions. In Finland, biodiversity offsetting is based on habitat hectares. Huomaa, että nämä laskurit on tuotettu tutkimushankkeessa ja ne perustuvat ekologiseen tutkimuskirjallisuuteen. Laskureissa on siis mahdollista huomioida elementtejä, joita ei huomioida esimerkiksi Suomen lainsäädännössä. Käyttäjän vastuulla on varmistaa, että laskenta vastaa kulloiseenkin tarpeeseen.Laskureiden käyttöön ohjeistetaan Jyväskylän Kauramäen-kompensaatiolaskentaraportissa: Eini Nieminen, Panu Halme, Joel Jalkanen & Atte Moilanen. 2025. Metsien ekologisen kompensaation laskenta – Kauramäen pilottihanke, Jyväskylä. MuutoslokiPäivämääräAineistoversion pysyväislinkkiTapahtuma / muutos17.9.202510.5281/zenodo.15780147Haittalaskurin, hyvityslaskurin, kertymälaskurin, nettohyvityslaskurin ja vastelaskurin ensimmäiset versiot (1.0–2025). LaskurityökalutLaskurityökaluKuvausHaittalaskuri_V1.0-2025.xlsxLaskuri luontoa heikentävän toiminnan aiheuttamien välittömien ja välillisten luontohaittojen määrittämiseen luonnonarvohehtaareina.Hyvityslaskuri_V1.0-2025.xlsxLaskuri, joka määrittää, kuinka suurella pinta-alalla hyvittävää toimenpidettä tulee tehdä, kun tiedossa on haitan suuruus ja hyvitystoimenpiteen vaste sekä muut hyvitykseen vaikuttavat tekijät.Kertymälaskuri_V1.0-2025.xlsxLaskuri, jonka määrittää, kuinka monta luonnonarvohehtaaria yhdelle hyvitysalueelle karttuu vuosittain hyvitystoimenpiteiden toteuttamisen jälkeen. Käytetään määrittämään, kuinka monta luonnonarvohehtaaria kohteelta on käytettävissä tiettynä vuonna jonkin haitan hyvitykseksi. Laskurissa voi huomioida usean hyvitystoimenpiteen yhteisvaikutuksen.Nettohyvityslaskuri_V1.0-2025.xlsxLaskuri, jonka avulla voi arvioida, kuinka monta luonnonarvohehtaaria usean hyvitysalueen joukko vastaa yhdessä ja erikseen. Laskurissa voi huomioida mm. sen, että hyvitysalueet voivat olla eri ekologisessa lähtötilassa ja että hyvitystoimenpiteet on voitu tehdä vaihtelevasti ennakkoon. Laskurissa voi huomioida usean hyvitystoimenpiteen yhteisvaikutuksen.Vastelaskuri_V1.0-2025.xlsxLaskuri, jossa on useita vaihtoehtoja erilaisten luonnonarvo- ja toimenpidekohtaisten vastefunktioiden määrittämiseen. ViittausohjeTekijät. Laskurin nimi. Laskurin versionumero. Ekologisen kompensaation Excel-laskurit. Zenodo-pysyväislinkki.Eli esimerkiksi: Atte Moilanen, Eini Nieminen & Joel Jalkanen. 2025. Nettohyvityslaskuri. Versio 1.0–2025. Ekologisen kompensaation Excel-laskurit. https://doi.org/10.5281/zenodo.15780147.Tekijätiedot ja viittausohje löytyvät kunkin laskuritiedoston viimeiseltä välilehdeltä. LisätietojaKaikki BOOST-tutkimushankkeessa tuotetut ekologisen kompensaation laskennan aineistot löytyvät kootusti tästä linkistä.Ekologisen kompensaation laskennan ja vasteiden määrittämisen periaatteet:Joel Jalkanen, Eini Nieminen, Aapo Ahola, Pälvi Salo, Minna Pekkonen, Emma Luoma, Anni Kettunen, Panu Halme, Minna Pappila, Janne Kotiaho & Heini Kujala. 2025. Heikennys- ja hyvitysalueiden luonnonarvohehtaarien laskeminen luonnonsuojelulain mukaisessa ekologisessa kompensaatiossa. Suomen ympäristökeskuksen raportteja 1/2025.Ekologisen kompensaation laskennan tieteellinen kuvaus:Atte Moilanen & Pauli Lehtinen. 2025. Simple analysis of biodiversity response functions and multipliers for biodiversity offsetting and other applications. Environmental Modelling & Software 185: 106322.Suomessa virallista ekologista kompensaatiota säädellään luonnonsuojelulaissa ja omassa asetuksessaan.LuonnonsuojelulakiYmpäristöministeriön asetus vapaaehtoisesta ekologisesta kompensaatiostaYmpäristöministeriön sivut PalauteJoel Jalkanen, Luonnontieteellinen keskusmuseo, [email protected]

For the LINCS1000  file: " transcriptomic response dataset for ouabain derived from the LINCS L1000 database. This file contains differential gene expression data showing log2 fold changes across multiple cell lines, time points, and concentrations following ouabain treatment. For the chemical-gene interactions: "Curated chemical-gene interaction data for ouabain extracted from the public repositories. Contains direct and indirect molecular interactions between ouabain and human genes/proteins, including interaction types.For the code files:Cytotoxicity preprocessing.R: "R script for preprocessing and quality control of cytotoxicity assay data ."Cytotoxicity statistical analysis.R: "Statistical analysis script calculating dose-response relationships for cytotoxicity data."High-Throughput PCR preprocessing.R: "Script for processing and normalizing qPCR array Ct values with quality control."High-Throughput PCR statistical analysis.R: "Differential gene expression analysis and fold change calculations for high-throughput PCR data."TEER preprocessing.R: "Time-series data cleaning and normalization for TEER."TEER statistical analysis.R: "Statistical analysis of barrier function changes and time-point comparisons for TEER data."Viability preprocessing.R: "Cell viability assay data processing ."Viability statistical analysis.R: "Statistical analysis and dose-response modeling for cell viability data."heatmap.py: "Python script for generating heatmaps to visualize molecular docking scores."stat-code.py: "Fisher's exact test implementation for identifying over-represented genes."

For the LINCS1000  file: " transcriptomic response dataset for ouabain derived from the LINCS L1000 database. This file contains differential gene expression data showing log2 fold changes across multiple cell lines, time points, and concentrations following ouabain treatment. For the chemical-gene interactions: "Curated chemical-gene interaction data for ouabain extracted from the public repositories. Contains direct and indirect molecular interactions between ouabain and human genes/proteins, including interaction types.For the code files:Cytotoxicity preprocessing.R: "R script for preprocessing and quality control of cytotoxicity assay data ."Cytotoxicity statistical analysis.R: "Statistical analysis script calculating dose-response relationships for cytotoxicity data."High-Throughput PCR preprocessing.R: "Script for processing and normalizing qPCR array Ct values with quality control."High-Throughput PCR statistical analysis.R: "Differential gene expression analysis and fold change calculations for high-throughput PCR data."TEER preprocessing.R: "Time-series data cleaning and normalization for TEER."TEER statistical analysis.R: "Statistical analysis of barrier function changes and time-point comparisons for TEER data."Viability preprocessing.R: "Cell viability assay data processing ."Viability statistical analysis.R: "Statistical analysis and dose-response modeling for cell viability data."heatmap.py: "Python script for generating heatmaps to visualize molecular docking scores."stat-code.py: "Fisher's exact test implementation for identifying over-represented genes."