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 69<br />
Nichtvorkommen nicht unmittelbar auf ein ungeeignetes Habitat geschlossen werden kann<br />
(CAPEN et al. 1986). Auch wandernde Tiere können die Ursache sein (SCHRÖDER 2000),<br />
was die guten Ergebnisse beim Steinhuhn (einem Standvogel) erklären könnte.<br />
Ein Maß, das ebenfalls auf der Klassifikationsmatrix basiert, dabei aber die Prävalenz<br />
berücksichtigt, ist der Konkordanzindex Kappa. Bei den Atlasmodellen werden keine<br />
Werte über 0,4 erreicht, nach SACHS (1999) kann also nicht von einer deutlich besseren<br />
Unterscheidung zwischen Vorkommen und Nichtvorkommen, als sie zufällig zu erwarten<br />
wäre, gesprochen werden. Auch MANEL et al. (1999) erhielten für viele Modelle Werte<br />
unter 0,4. Auf der regionalen Skala wird für das Endmodell mit 0,86 ein sehr hoher Wert<br />
erreicht, der über dem Spitzenwert von 0,8 liegt, den MANEL et al. (1999) erreichten.<br />
Allerdings wurde dort der Schwellenwert nicht auf Kappa optimiert, so dass Kappa nicht<br />
den maximal möglichen Wert erreicht. Ein auf Kappa optimierter Wert von 0,71 findet sich<br />
in einer Untersuchung auf regionaler Skala für das Haselhuhn (Bonasa bonasia) bei MATHYS<br />
(2000).<br />
Ein schwellenwertunabhängiges und damit für einen Vergleich zwischen Atlas- und<br />
Regionalmodell geeignetes Gütemaß sind die AUC-Werte. Der Wert für die besten<br />
Atlasmodelle liegt bei 0,89 bzw. 0,85 (bestes Modell, bzw. robustes Modell), beim<br />
Regionalmodell sind die Werte mit 0,99 bzw. 0,96 nahe am Maximalwert von 1.<br />
Bei MANEL (2001) liegen die meisten Werte zwischen 0,7 und 0,8, nur wenige über 0,9.<br />
Allerdings wurden dort die Modelle für ganze Familien erstellt. Bei der oben genannten<br />
Arbeit von OPPEL et al. (2003) wurden meist Werte zwischen 0,8 und 0,9 erreicht, der<br />
Maximalwert liegt mit 0,95 ähnlich hoch wie beim Regionalmodell. Die Atlasmodelle sind<br />
als gut, das Regionalmodell als hervorragend diskriminiert anzusehen.<br />
AIC<br />
Die AIC-Werte sind zwischen den Skalenebenen nicht direkt vergleichbar. Die niedrigsten<br />
Werte (und damit der beste Kompromiss aus Komplexität und Information) innerhalb der<br />
einzelnen Modellblöcke werden eher durch hohe Erklärungsgehalte als durch niedrige<br />
Parameteranzahlen verursacht. So weist Modell A1-1 zwar eine Variable mehr als Modell<br />
A1-3 auf (Tab. 12), scheint aber mit der „Sonneneinstrahlung“ und den<br />
Nutzungsparametern entscheidende Information zu berücksichtigen, welche zu dem<br />
besseren Ergebnis führen (vgl. auch Modell A2-7 und A2-6 in Tab. 13 oder R-1 und R-4 in<br />
Tab..19).<br />
Robustheit der Modelle/ bootstrapping<br />
Insbesondere bei kleinen Datensätzen ist das Modell oft zu eng an die Daten angepasst, zu<br />
„optimistisch“. Wie stark dieser Optimismus ist, muss durch eine Validierung an Daten, die<br />
nicht zur Modellschätzung verwendet wurden, getestet werden (SCHRÖDER & REINEKING<br />
2004b). Dazu wählte ich die Methode der internen Validierung durch resampling. Für eine<br />
Aufteilung der Daten zur externen Validierung reichten die beobachteten Vorkommen<br />
nicht aus. Eine Beurteilung des Gültigkeits- oder Anwendungsbereichs ist daher nicht<br />
möglich, da diese nur auf Grundlage aufgeteilter Daten oder Erhebungen aus anderen