FIN Suomen hiekkarantoja ja niiden taustatekijöitä kuvaava aineisto. Datan taustalla olevan hankkeen pääasiallisena tarkoituksena on hiekkarantojen identifioiminen parhaasta käytettävissä olevasta tiedosta, näiden rantojen ominaispiirteiden kuvaaminen, ympäristöllisen arvon arvioiminen sekä hoitotarpeessa olevien rantojen löytäminen. Aineistosta on julkaistu kaksi erillistä versiota. -HiekkarantojenOminaisuudet_avoin: Avoin versio, jonka lajitietoa on karkeistettu mahdollisista herkistä lajeista johtuen. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0) ja sitä saa käyttää lisenssiehtojen mukaisesti -HiekkarantojenOminaisuudet_kayttorajoitettu: Alkuperäinen karkeistamaton versio. Tämä versio on vain viranomaiskäyttöön eikä kyseistä aineistoa saa jakaa” Aineistosta on tehty tarkempi menetelmäkuvaus https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/RantaPutte_Menetelmakuvaus.pdf sekä muuttujaseloste https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/RantaPutte_VariableDescription.xlsx ENG This data describes Finnish sandy beaches and their background factors. The main purpose of the project underlying the data is to identify sandy beaches from the best available information, to describe the characteristics of these beaches, to assess their environmental value and to find beaches in need of conservation There are two separate versions of the data. -HiekkarantojenOminaisuudet_avoin: Open access version, in which its species-related parts have been simplified due to data restriction issues. The material belongs to Syke's open materials (CC BY 4.0) and may be used in accordance with the license terms. -HiekkarantojenOminaisuudet_kayttorajoitettu: Original version. This version is only for official use and the material in question may not be shared. A more precise description about the data procedures can be found from (In Finnish) https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/RantaPutte_Menetelmakuvaus.pdf All the variables in the data are explained in this bilingual variable description https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/RantaPutte_VariableDescription.xlsx

Maatalousmaa vuonna 2021 aineisto kuvaa mahdollisimman kattavasti maankäytöltään maatalouteen kuuluvia alueita vuonna 2021, sisältäen sekä maataloustukia saavat alueet, että tukien ulkopuoliset alueet. Aineisto on koostettu käyttäen Ruokaviraston tuottamia perus- ja kasvulohkoaineistoja sekä Maanmittauslaitoksen tuottamaa maastotietokantaa. Peruslohkoaineisto on komission asetuksen 796/2004 ja neuvoston asetuksen (EY) N:o 1782/2003 20 artiklassa tarkoitettu viljelylohkojen tunnistusjärjestelmä. Järjestelmää käytetään EU:n pinta-alaperusteisen maataloustuen hallinnoinnissa. Aineisto käsittää vuoden 2021 peruslohkojen tilanteen 31.12.2021. Kasvulohkolla tarkoitetaan yhteen peruslohkoon kuuluvaa yhtenäistä aluetta, jossa kasvatat yhtä kasvilajia, useamman kasvilajin seosta tai jota kesannoidaan tai joka on erityiskäytössä. Yhdellä peruslohkolla voi olla yksi tai useampia kasvulohkoja. Kasvulohko voi kuulua vain yhteen peruslohkoon. Kasvulohkojen rajat ja samalla niiden pinta-alat voivat vaihdella peruslohkon sisällä vuosittain. Peltolohkorekisteristä on aineistoon otettu mukaan ne lohkot joihin yhdistyy kasvulohkoista tieto viljellystä kasvista. Aineistosta on tiputettu pois ei-maatalousaluetta olevat lohkot, esimerkiksi metsäiset alueet. Maanmittauslaitoksen Maastotietokanta on koko Suomen kattava maastoa kuvaava aineisto ja se koostuu erilaisista kohderyhmistä. Maastotietokannan Maatalousmaa -aineisto sisältää Maastotietokannan pellot, ja puutarhat. Niityt ovat erillinen kohdeluokka. Mammuttiprojektia varten MTK kohdeluokat Maatalousmaa (pellot ja puutarhat) ja Niitty yhdistettiin yhdeksi aineistoksi. Kohdeluokat on poimittu vuoden 2021 Maastotietokannasta. Kohdeluokat ja niiden kuvaukset löytyvät: https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/attachments/2018/03/Maastotietokohteet_0.pdf Peruslohkoaineistosta ja maastotietokannasta poimitut kohteet on yhdistetty siten, että maatalousmaa muodostetaan ensisijaisesti käyttämällä peruslohkoaineistosta poimittuja peruslohkoja. Tämän joukon ulkopuolelle jäävä maatalousmaa tulee maastotietokannasta. Aineistojen yhdistäminen on kuvattu tarkemmin tuotantokuvauksessa. https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/maatalousmaa2021.pdf https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Metatietokuvaus_peltolohkorekisteri.pdf Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0).

Maatalousmaa vuonna 2020 aineisto kuvaa mahdollisimman kattavasti maankäytöltään maatalouteen kuuluvia alueita vuonna 2020, sisältäen sekä maataloustukia saavat alueet, että tukien ulkopuoliset alueet. Aineisto on koostettu käyttäen Ruokaviraston tuottamia perus- ja kasvulohkoaineistoja sekä Maanmittauslaitoksen tuottamaa maastotietokantaa. Peruslohkoaineisto on komission asetuksen 796/2004 ja neuvoston asetuksen (EY) N:o 1782/2003 20 artiklassa tarkoitettu viljelylohkojen tunnistusjärjestelmä. Järjestelmää käytetään EU:n pinta-alaperusteisen maataloustuen hallinnoinnissa. Aineisto käsittää vuoden 2020 peruslohkojen tilanteen 31.12.2020. Kasvulohkolla tarkoitetaan yhteen peruslohkoon kuuluvaa yhtenäistä aluetta, jossa kasvatat yhtä kasvilajia, useamman kasvilajin seosta tai jota kesannoidaan tai joka on erityiskäytössä. Yhdellä peruslohkolla voi olla yksi tai useampia kasvulohkoja. Kasvulohko voi kuulua vain yhteen peruslohkoon. Kasvulohkojen rajat ja samalla niiden pinta-alat voivat vaihdella peruslohkon sisällä vuosittain. Peltolohkorekisteristä on aineistoon otettu mukaan ne lohkot joihin yhdistyy kasvulohkoista tieto viljellystä kasvista. Aineistosta on tiputettu pois ei-maatalousaluetta olevat lohkot, esimerkiksi metsäiset alueet. Maanmittauslaitoksen Maastotietokanta on koko Suomen kattava maastoa kuvaava aineisto ja se koostuu erilaisista kohderyhmistä. Maastotietokannan Maatalousmaa -aineisto sisältää Maastotietokannan pellot, ja puutarhat. Niityt ovat erillinen kohdeluokka. Mammuttiprojektia varten MTK kohdeluokat Maatalousmaa (pellot ja puutarhat) ja Niitty yhdistettiin yhdeksi aineistoksi. Kohdeluokat on poimittu vuoden 2020 Maastotietokannasta, joka on saatavissa Paituli-palvelusta (poiminta tehty 19.04.2021). Kohdeluokat ja niiden kuvaukset löytyvät: https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/attachments/2018/03/Maastotietokohteet_0.pdf Peruslohkoaineistosta ja maastotietokannasta poimitut kohteet on yhdistetty siten, että maatalousmaa muodostetaan ensisijaisesti käyttämällä peruslohkoaineistosta poimittuja peruslohkoja. Tämän joukon ulkopuolelle jäävä maatalousmaa tulee maastotietokannasta. Aineistojen yhdistäminen on kuvattu tarkemmin tuotantokuvauksessa. https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/maatalousmaa2020.pdf https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Metatietokuvaus_peltolohkorekisteri.pdf Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0).

Maanmittauslaitoksen KM2-korkeusmallin kanssa yhteensopiva korkeusmalli, jossa alkuperäisiä korkeusarvoja on alennettu erityisesti virtavesikohteiden (viivamaiset sekä aluemaiset) ja tieverkoston risteyskohdissa. Alennetut korkeusarvot pyrkivät kuvaamaan virtausreittejä, kuten tierumpuja ja putkia, joita alkuperäisessä KM2:ssa ei ole. Aineisto on tuotettu yhdistämällä useita eri valtakunnan kattavia lähtöaineistoja, joita ovat - korkeusmalli KM2 (Maanmittauslaitos) - Siltojen kansien korkeudet (Syke) - Maastotietokanta (Maanmittauslaitos) - DIGIROAD-tieverkosto (Väylävirasto) - Rumpurekisteri (Väylävirasto) Lisäksi jotkin kunnat ja kaupungit ovat digitoineet Maastotietokannasta puuttuvia virtausreittejä. Korkeusarvot ovat ilmoitettu N2000-korkeusjärjestelmässä. Aineisto on avoin (lisenssi CC BY 4.0). Käyttötarkoitus: Korvaamalla KM2:n korkeusarvot uomakorjausaineiston arvoilla saadaan korkeusmalli, joka soveltuu mm. pintaveden virtauksen mallinnukseen alkuperäistä korkeusmallia paremmin. Tämä mahdollistaa esim. hulevesitulvariskien luotettavamman arvioinnin. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0). Lähde: Syke, Maanmittauslaitos (perustuu Syken, MML:n ja Väyläviraston aineistoihin).

FIN Aineiston tarkoituksena on: -Identifioida tie- ja rata-alueet, joiden varrella esiintyy uhanalaisia ja silmälläpidettäviä lajeja -Identifioida tie- ja rata-alueet, joiden varrella esiintyy hyviä elinvoimaisia niittyindikaattorilajeja (hyönteisten mesi- ja ravintokasveja) -Identifioida tie- ja rata-alueet, joiden varrella esiintyy suojelualueita -Identifioida tie- ja rata-alueet, joiden varrella esiintyy komealupiinia tai kurtturuusua -Identifioida tie- ja rata-alueet, joiden varrella esiintyy komealupiinia tai kurtturuusua uhanalaisten lajien lisäksi -> Löytää herkät alueet ja paikallistaa vieraslajien uhka Tieto esitetään 1 kilometrin ruuduissa. Aineistosta on julkaistu kaksi erillistä versiota. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_avoin: Avoin versio, jonka lajitietoa on karkeistettu mahdollisista herkistä lajeista johtuen. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0) ja sitä saa käyttää lisenssiehtojen mukaisesti -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_kayttorajoitettu: Alkuperäinen karkeistamaton versio. Tämä versio on vain viranomaiskäyttöön eikä kyseistä aineistoa saa jakaa Aineistosta on tehty tarkempi menetelmäkuvaus https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_Menetelmakuvaus.pdf sekä muuttujaseloste https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_VariableDescription.xlsx ENG The purpose of the material is to: -Identify road and rail areas that have nearby observations of endangered and near threatened species -Identify road and rail areas with good meadow indicator plant species -Identify road and rail areas along which there are protected areas -Identify the road and rail areas along which there are observations of Lupinus polyphyllus or Rosa rugosa observations -Identify the road and rail areas along which there are Lupinus polyphyllus or Rosa rugosa observations in addition to sensitive species -> Finds sensitive areas and identify the overall threat of alien species The data is presented in 1-kilometer square grid cells. There are two separate versions of the data. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_avoin: Open access version, in which its species-related parts have been simplified due to data restriction issues. The material belongs to Syke's open materials (CC BY 4.0) and may be used in accordance with the license terms. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_kayttorajoitettu: Original version. This version is only for official use and the material in question may not be shared. A more precise description about the data procedures can be found from (In Finnish) https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_Menetelmakuvaus.pdf Furthermore, all the variables in the data are explained in this bilingual variable description https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_VariableDescription.xlsx This dataset was updated with the newest species observations on 10/2023 and 11/2024 Process code for this can be found from https://github.com/PossibleSolutions/VierasVayla_SpeciesUpdate

FIN Järvien vesikasvillisuusvyöhykettä kuvaava aineisto 1971 suomalaisesta järvivesimuodostumasta. Aineisto on polygonivektorimuodossa, jossa yksittäisen järven vesikasvivyöhyke esitetään moniosaisena polygonina. Vesikasvillisuusvyöhyke koostuu ilmakuvilta erottuvasta vedenpinnan yläpuolisesta (ilmaversoinen ja kelluslehtinen) ja aivan vedenpinnan tasolle yltävästä uposlehtisestä kasvillisuudesta. Vesikasvillisuusvyöhykkeen ja järven 0–3 metrin syvyysvyöhykkeen perusteella järville on laskettu kasvittumisaste-niminen tunnusluku, jota käytetään järvien ekologisen tilan arvioinnissa kuvaamaan rehevöitymisen aiheuttamaa kasvillisuuden runsastumista. Vesikasvillisuusvyöhyke on analysoitu Picterra-yrityksen koneoppimismalleilla Maanmittauslaitoksen hallinnoimista väri-infra- eli vääräväriortokuvista vuosilta 2012-2023. Vyöhykkeen analysointi on rajattu 1.7.–10.9. otettuihin ortokuviin. Lisäksi analysointi on rajattu seuraaviin vesienhoidon suunnittelun 3. suunnittelukaudella määritettyihin järvityyppeihin: • Pienet humusjärvet • Keskikokoiset humusjärvet • Runsashumuksiset järvet • Matalat humusjärvet • Matalat runsashumuksiset järvet Aineisto sisältää 698 järvivesimuodostumalta ilmakuvatulkinnan useammalta vuodelta. Havaittu kasvittumisaste on laskettu niille 977 järvivesimuodostumalle, joilta oli saatavissa tieto 0–3 metrin syvyysvyöhykkeestä. Aineistoon on jätetty järviä ilman syvyysaineistoa ja siten kasvittumisasteen laskentaa siinä tarkoituksessa, jotta aineistoa voidaan tarvittaessa hyödyntää muuhunkin kuin kasvittumisaste-muuttujaan perustuvaan tila-arviointiin. Aineistolle on tehty silmämääräinen tarkastus virheellisten havaintojen poistamiseksi. Aineisto voi silti sisältää väärintulkintoja. Kasvittumisasteen luontaisen vaihtelun mallintamisesta saadut tunnusluvut, kuten odotetut kasvittumisasteet ja kasvittumisasteeseen perustuva ekologinen tilaluokka, ovat ympäristöhallinnon asiantuntijoiden katseltavissa Pisara-järjestelmässä. Käyttötarkoitus: Ympäristöhallinnon tehtävien tueksi vesien tilan arviointiin. Järvien ekologisen tilan arviointia tekevät asiantuntijat käyttävät paikkatietoaineistoa ilmakuvatulkinnan laadun arvioimiseen yksittäisellä järvellä. Asiasanat: kaukokartoitus, ilmakuvat, vesikasvillisuus, seuranta, ekologinen tila Lisätietoja: https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Jarvien_vesikasvillisuusvyohykkeet.pdf https://vesi.fi/aineistopankki/koneoppimispohjaiseen-ilmakuvatulkintaan-perustuva-jarvien-vesikasvillisuuden-tilanarviointi/ ENG This data describes lake macrophyte zone on 1971 Finnish lake waterbodies. The spatial features are represented as multi-part polygons. The attributes are in Finnish. The zone represents emergent and floating-leaved vegetation plus submerged vegetation just above the surface of water. Together with lake bathymetric data, the percentage of vegetated littoral (PVL) was calculated. The PVL is applied in ecological status assessment. Lake macrophyte zone was detected from color-infrared aerial orthophotos administered by the National Land Survey of Finland. The detections were performed with the help of a custom machine learning model trained using Picterra. The detections were applied to orthophotos in 2012-2013 which were filmed between 1st of July and 10th of September. The detections were limited to humic and humic-rich lake waterbodies. There are detections from multiple years for 698 lake waterbodies. Observed PVL were calculated on 977 lake waterbodies which have bathymetric data to identify the 0 to 3 meters deep littoral zone. To potentially utilize the data for more than just the PVL-based approach, the data also have detections on waterbodies without bathymetric data and therefore observed PVL. A visual inspection of the data has been performed to remove erroneous detections. The data may still contain misinterpretations. Purpose of use: Support of environmental administration in ecological status assessment. More information: https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Jarvien_vesikasvillisuusvyohykkeet.pdf https://vesi.fi/aineistopankki/koneoppimispohjaiseen-ilmakuvatulkintaan-perustuva-jarvien-vesikasvillisuuden-tilanarviointi/

Agricultural parcel containing spatial data The agricultural parcels are a year-by-year data set containing the agricultural parcels in the annual aid application. A agricultural parcel is defined as a continuous area of a single reference parcel where a single crop, a mixture of crops or a mixture of crops is grown, set aside or used for a specific purpose. A reference parcel may have one or more agricultural parcels. A agricultural parcel may belong to only one reference parcel. The boundaries of the agricultural parcels, and hence their areas, may vary from year to year within the reference plot. The aim of the definition of valuable data sets (EU) 2023/138 has been to ensure that the most socially potential public data are reusable. The Food Authority is concerned with the theme Spatial data: reference parcels and agricultural parcels From the 2023 data onwards, the Food Authority will add attribute information to the published data as follows: Agricultural parcel containing spatial data - Organic production New field in the data set LUOMUVILJELY = Organic production: 1=absent or 0=no More information: https://www.ruokavirasto.fi/globalassets/tuet/maatalous/oppaat/hakuoppaat/peltotukiopas/peltotukien-hakuopas-2024.pdf

The EMODnet (European Marine Observation and Data network) Geology project collects and harmonizes marine geological data from the European sea areas to support decision making and sustainable marine spatial planning. The partnership includes 39 marine organizations from 30 countries. The partners, mainly from the marine departments of the geological surveys of Europe (through the Association of European Geological Surveys-EuroGeoSurveys), have assembled marine geological information at various scales from all European sea areas (e.g. the White Sea, Baltic Sea, Barents Sea, the Iberian Coast, and the Mediterranean Sea within EU waters). This dataset includes EMODnet seabed substrate maps at a scale of 1:1 500 from the European marine areas. Traditionally, European countries have conducted their marine geological surveys according to their own national standards and classified substrates on the grounds of their national classification schemes. These national classifications are harmonised into a shared EMODnet schema using Folk's sediment triangle with a hierarchy of 16, 7 and 5 substrate classes. The data describes the seabed substrate from the uppermost 30 cm of the sediment column. Further information about the EMODnet Geology project is available on the portal (http://www.emodnet-geology.eu/).

The technical harvesting potential of logging residues and stumps from final fellings can be defined as the maximum potential procurement volume of these available from the Finnish forests based on the prevailing guidelines for harvesting of energy wood. The potentials of logging residues and stumps have been calculated for fifteen NUTS3-based Finnish regions covering the whole country (Koljonen et al. 2017). The technical harvesting potentials were estimated using the sample plots of the eleventh national forest inventory (NFI11) measured in the years 2009–2013. First, a large number of sound and sustainable management schedules for five consecutive ten-year periods were simulated for each sample plot using a large-scale Finnish forest planning system known as MELA (Siitonen et al. 1996; Redsven et al. 2013). MELA simulations consisted of natural processes and human actions. The ingrowth, growth, and mortality of trees were predicted based on a set of distance-independent tree-level statistical models (e.g. Hynynen et al. 2002) included in MELA and the simulation of the stand (sample plot)-level management actions was based on the current Finnish silvicultural guidelines (Äijälä et al. 2014) and the guidelines for harvesting of energy wood (Koistinen et al. 2016). Final fellings consisted of clear cutting, seed tree cutting, and shelter-wood cutting, but only the clear-cutting areas were utilized for energy wood harvesting. As both logging residues and stumps are byproducts of roundwood removals, the technical potentials of chips have to be linked with removals of industrial roundwood. Future potentials were assumed to materialize when the industrial roundwood fellings followed the level of maximum sustainable removals. The maximum sustainable removals were defined such that the net present value calculated with a 4% discount rate was maximized subject to non-declining periodic industrial roundwood and energy wood removals and net incomes, and subject to the saw log removal remaining at least at the level of the first period. There were no constraints concerning tree species selection, cutting methods, age classes, or the growth/drain ratio in order to efficiently utilize the dynamics of forest structure. The felling behaviour of the forest owners was not taken into account either. For the present situation in 2015, the removal of industrial roundwood was assumed to be the same as the average level in 2008–2012. Fourth, the technical harvesting potentials were derived by retention of 30% of the logging residues onsite (Koistinen et al. 2016) and respectively by retention of 16–18% of stump biomass (Muinonen et al. 2013). Next, the regional potentials were allocated to municipalities proportionally to their share of mature forests (MetINFO 2014). Subsequently, the municipality-level potentials were spread evenly on a raster grid at 1 km × 1 km resolution. Only grid cells on Forests Available for Wood Supply (FAWS) were considered in this operation. Here, FAWS was defined as follows: First, forest land was extracted from the Finnish Multi-Source National Forest Inventory (MS-NFI) 2013 data (Mäkisara et al. 2016). Second, restricted areas were excluded from forest land. The restricted areas consisted of nationally protected areas (e.g. nature parks, national parks, protection programme areas). References Äijälä O, Koistinen A, Sved J, Vanhatalo K, Väisänen P (2014) Metsänhoidon suositukset [Guidelines for sustainable forest management]. Metsätalouden kehittämiskeskus Tapion julkaisuja. Hynynen J, Ojansuu R, Hökkä H, Salminen H, Siipilehto J, Haapala P (2002) Models for predicting the stand development – description of biological processes in MELA system. The Finnish Forest Research Institute Research Papers 835. Koistinen A, Luiro J, Vanhatalo K (2016) Metsänhoidon suositukset energiapuun korjuuseen, työopas [Guidelines for sustainable harvesting of energy wood]. Metsäkustannus Oy, Helsinki. Koljonen T, Soimakallio S, Asikainen A, Lanki T, Anttila P, Hildén M, Honkatukia J, Karvosenoja N, Lehtilä A, Lehtonen H, Lindroos TJ, Regina K, Salminen O, Savolahti M, Siljander R (2017) Energia ja ilmastostrategian vaikutusarviot: Yhteenvetoraportti. [Impact assessments of the Energy and Climate strategy: The summary report.] Publications of the Government´s analysis, assessment and research activities 21/2017. Mäkisara K, Katila M, Peräsaari J, Tomppo E (2016) The Multi-Source National Forest Inventory of Finland – methods and results 2013. Natural resources and bioeconomy studies 10/2016. Muinonen E, Anttila P, Heinonen J, Mustonen J (2013) Estimating the bioenergy potential of forest chips from final fellings in Central Finland based on biomass maps and spatially explicit constraints. Silva Fenn 47. Redsven V, Hirvelä H, Härkönen K, Salminen O, Siitonen M (2013) MELA2012 Reference Manual. Finnish Forest Research Institute. Siitonen M, Härkönen K, Hirvelä H, Jämsä J, Kilpeläinen H, Salminen O, Teuri M (1996) MELA Handbook. Metsäntutkimuslaitoksen tiedonantoja 622. ISBN 951-40-1543-6.

This dataset represents the Integrated biodiversity status assessment for pelagic habitats using the BEAT tool. Status is shown in five categories based on the integrated assessment scores obtained in the tool. Biological Quality Ratios (BQR) above 0.6 correspond to good status. Open sea areas were assessed based on the core indicators ‘Zooplankton mean size and total stock’ and ‘Chlorophyll-a’, as well as the pre-core indicator ‘Cyanobacterial bloom index’ . Coastal areas were assessed by national indicators. This dataset displays the result of the integrated biodiversity status in HELCOM Assessment unit Scale 4 (Division of the Baltic Sea into 17 sub-basins and further division into coastal and off-shore areas and division of the coastal areas by WFD water types or water bodies). Attribute information: "BQR" = Biological Quality Ratio "Confidence" = Confidence of the assessment "HELCOM_ID" = Code of the HELCOM assessment unit "Country" = Country of coastal assessment unit/ open sea "Level2" = HELCOM sub-basins (name of the scale 2 assessment unit) "Name" = Name of the HELCOM scale 4 assessment unit "Area_km2" = Area of assessment unit "AULEVEL" = scale of the assessment unit "HID" = assessment unit ID by country "SAUID" = ID number for the spatial assessment unit "EcosystemC" = Ecosystem component assessed "Confiden_1" = Confidence of the assessment (0-1, higher values mean higher confidence) "Total_numb" = Number of indicators used in assessment "STATUS" = Integrated status category (0-0.2 = not good (lowest score), 0.2-0.4 = not good (lower score), 0.4-0.6 = not good (low score), 0.6-0.8 = good (high score, 0.8-1.0 = good (highest score))