DIPLOMARBEIT - Universität Oldenburg
DIPLOMARBEIT - Universität Oldenburg
DIPLOMARBEIT - Universität Oldenburg
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
6 Diskussion 68<br />
6.2.2 Modellgüte<br />
Ein ökologisch sinnvolles, statistisch signifikantes Modell garantiert noch keine hohe<br />
Modellgüte. Auch ob das Modell robust ist und ausreichend gute Prognosen liefert, muss<br />
mit verschiedenen Gütemaßen überprüft werden.<br />
Modellkalibrierung<br />
Ob ein Modell gut kalibriert ist, also gut zwischen Vorkommen und Nichtvorkommen<br />
unterscheiden kann, wird in der vorliegenden Arbeit anhand des R 2 nach NAGELKERKE<br />
bewertet. SCHRÖDER (2000) erhält für viele Modelle R 2 N-Werte unter 0,5, der maximale<br />
Wert liegt bei 0,74. POMPILIO et al. (2003) führten wie in der vorliegenden Arbeit eine<br />
Untersuchung zur Habitatnutzung des Steinhuhns durch und kamen zu einem Ergebnis<br />
von 0,18, wobei nicht angegeben wird, nach welcher Methode der Wert für R 2 errechnet<br />
wurde. Nach BACKHAUS et al. (2000) kann in der Regel schon bei Werten zwischen 0,2 und<br />
0,4 von einer guten Modellanpassung gesprochen werden.<br />
Vor diesem Hintergrund sind die Atlasmodelle (Tab. 12 und 13) als akzeptabel kalibriert<br />
einzustufen, die Regionalmodelle (Tab. 19) erreichen mit Werten bis zu 0,92 (Modell R-1)<br />
die in der Habitatmodellierung mit logistischer Regression höchstmöglichen Ergebnisse.<br />
Auch das robustere Regionalmodell R-3 weist mit 0,80 einen sehr hohen Wert auf.<br />
Modelldiskriminierung<br />
Der schwellenwertabhängige Anteil korrekter Prognosen wird nur für das<br />
Regionalmodell angegeben. Da die Wahl des Schwellenwertes letztlich beliebig ist (ich<br />
verwendete in diesem Fall P krit = 0,5), wird dieses Gütemaß aber nicht als entscheidend<br />
angesehen.<br />
Der Gesamtanteil korrekter Prognosen liegt für Modell R-1 und R-3 über 90%. Im Falle<br />
des (wenig robusten) Modells R-1 beträgt er sogar 97,7%, nur jeweils ein Vor- bzw.<br />
Nichtvorkommen wird vom Modell nicht so vorhergesagt wie beobachtet. Der Anteil<br />
korrekt prognostizierter Vorkommen (Sensitivität) liegt beim Endmodell R-3 bei 90,5, der<br />
Anteil korrekter Nichtvorkommen (Spezifizität) bei 93,0%. Verglichen mit Werten aus der<br />
Literatur sind dies sehr hohe Werte. POMPILIO & MERIGGI (1999) erhalten in einer Studie<br />
für das Steinhuhn Werte von 70 (Sens.) und 71% (Spez.). In der gleichen Studie werden<br />
auch Birkhuhn (Tetrao tetrix) und Alpenschneehuhn (Lagopus mutus) untersucht. Beim<br />
Birkhuhn wurde ein Verhältnis von 84,6 : 67,9%, beim Alpenschneehuhn von 91,9 : 21,7%<br />
erreicht. Der für die Klassifizierung verwendete Schwellenwert wird von POMPILIO &<br />
MERIGGI (1999) nicht angegeben. Die Untersuchungsgebiete von POMPILIO & MERIGGI<br />
(1999) sind allerdings, im Gegensatz zum Regionalmodell in der vorliegenden Studie,<br />
jeweils einige 1000 km 2 groß, die Datenbasis ist ein 2 x 2 km-Raster. Auf einer dem<br />
Regionalmodell vergleichbaren Skala (Singvogelterritorien) erhalten OPPEL et al. (2003) mit<br />
einer anhand der ROC-Kurve optimierten Methode Gesamtanteile korrekter<br />
Klassifikationen von etwa 90%, der Maximalwert liegt bei 94%.<br />
Die Fehlerquote bei der Spezifizität liegt allgemein höher als jene der Sensitivität<br />
(SCHRÖDER 2000). Nullnachweise sind nie sicher zu erbringen, da von einem beobachteten