DIPLOMARBEIT - Universität Oldenburg

5 Ergebnisse 34
alle Variablen berücksichtigt, die einen AUC-Wert > 0,6 aufweisen (n = 17), im zweiten
nur diejenigen mit AUC-Werten > 0,7 (n = 8).
Für den größtmöglichen Informationsgewinn erstellte ich zunächst Modellkombinationen
aus allen 17 Variablen, welche sich bei der univariaten Analyse als sinnvoll erwiesen. So
wurde ein Block aus acht unkorrelierten, mit bis zu vier ausgewählten korrelierten
Habitatparametern ergänzt (Tab. 12).
Tab. 12: Modellierungsergebnisse für den Variablenkatalog „AUC > 0,6“. Dargestellt sind
jeweils unkorrelierte Ausgangskombinationen und die davon berücksichtigten Variablen
sowie die Gütemaße der einzelnen Modelle mit AIC-Werten < 650. q = quadrierter Term.
Block: In allen Modellen gleichbleibendes Set der Variablen wbudjuly (+q), neigst,
cos_exp (+q), N2 (+q), N3 (+q), ST 7, ST 8 und ST 10. Zu den Bezeichnungen der
Variablen siehe Tab. 1.
Modell Eingehende
Variablen
A1-1 Block; radjul, N1,
N14+q
A1-2 Block; radjul, N1,
ST 4+q, ST 9+q,
A1-3 Block; tempjul+q,
ST 3, ST 9+q
A1-4 Block; N1, N15+q,
ST 9+q, ST 15
Aufgenommene
Variablen
R 2 N AUC Kappa P Kappa AIC
radjul, q_wbudjuly, neigst,
q_cos_exp, N1, N2, N14+q, ST 8 0,36 0,887 0,36 0,28 613
radjul, q_wbudjuly, neigst,
q_cos_exp, N1, N2, ST 4+q, ST 7, 0,34 0,872 0,35 0,23 630
ST 8
tempjul+q, q_wbudjuly, neigst,
q_cos_exp, ST 7, ST 8, ST 9 0,32 0,860 0,35 0,27 642
wbudjuly, neigst, q_cos_exp,N1, N2,
ST 7, ST 8, ST 15 0,32 0,865 0,34 0,22 641
Korrigierte Werte für A1-1 0,32 0,874 - - -
Sowohl die Modellgütemaße, als auch der AIC-Wert weisen das Modell A1-1 als bestes
dieses Blocks aus. Der R 2 N-Wert hat sich gegenüber dem besten univariaten Modell
annähernd verdoppelt und der AUC von fast 0,9 zeigt eine sehr gute
Modelldiskriminierung an. Durch das bootstrapping werden diese Werte nur geringfügig
korrigiert, es handelt sich also um ein relativ robustes Modell.
Aus dem Variablenkatalog werden in das Modell A1-1 „Sonneneinstrahlung im Juli“,
„Wasserbilanz im Juli“ (nur als quadrierter Term), „Neigungsstufe“, „Exposition“ (nur als
quadrierter Term), die Nutzungstypen „Geschlossener Wald“, „Aufgelöster Wald“ und
„Unproduktive Vegetation“ (letztere auch als quadrierter Term), sowie der Strukturtyp
„Staudenfluren“ aufgenommen. Die drei ausgeschlossenen Variablen „Gebüschwald“
„Seggenfluren“ und „Höhere Gebüsche“ weisen in der univariaten Analyse mit R 2 N –
Werten < 0,06 nur geringe Erklärungsgehalte auf. Wie aus der Übersicht über die
Veränderung der Devianz in Anhang 2.8 ersichtlich, üben die Parameter „Neigung“,
„Unproduktive Vegetation“, „Wasserbilanz“ und „Sonneneinstrahlung im Juli“ den
stärksten Einfluss auf das Vorkommen des Steinhuhns aus. Auch in den anderen Modellen
dieses Blocks wurden vor allem die unkorrelierten Variablen ähnlich gewählt:
„Wasserbilanz im Juli“, „Neigungsstufe“, „Exposition“ und „Staudenfluren“ sind in allen
Modellen vertreten. Diese Variablen zeigen entweder bereits in der univariaten Analyse
einen hohen Erklärungsgehalt oder bedeuten in der Kombination aller Variablen eine
signifikante..Verbesserung.