DIPLOMARBEIT - Universität Oldenburg
DIPLOMARBEIT - Universität Oldenburg
DIPLOMARBEIT - Universität Oldenburg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
6 Diskussion 70<br />
Untersuchungsgebieten/ –jahren erfolgen kann (SCHRÖDER & REINEKING 2004b). Für die<br />
Untersuchung der Stabilität logistischer Regressionsmodelle liefert bootstrapping aber nach<br />
einer vergleichenden Studie von STEYERBERG et al. (2001) die besten Ergebnisse. Die<br />
großen Differenzen zwischen den Original- und Trainings-, bzw. Testdatensätzen der<br />
Modelle R-1 und R-2 (Tab.18) werden durch die bereits beschriebene vollständige<br />
Separation verursacht.<br />
Auf die Modellkalibrierung R 2 N zeigt das bootstrapping kaum Einfluss. Unter Umständen<br />
kann der Mittelwert aus den 300 Trainingsdatensätzen sogar um 0,01 höher liegen als beim<br />
Originaldatensatz (Modell R-5, Tab. 18). Der AUC-Wert nimmt mit maximal 0,014 noch<br />
weniger ab (Tab. 12, 13 und 18). Auch Modelle, die eher schlecht kalibriert sind und eine<br />
Diskriminierung mittlerer Güte aufweisen (z.B. Modell A2-1, Tab. 13) können also<br />
durchaus robust sein. Der Optimismus in den Modellen scheint insgesamt sehr gering zu<br />
sein, mir liegen aber keine Literaturangaben darüber vor, bis zu welcher Abnahme ein<br />
Modell als robust gelten kann.<br />
6.2.3 Vergleich von Atlas- und Regionalmodell<br />
In Tabelle 20 sind die nach R 2 N wichtigsten Variablen getrennt für die beiden Skalenebenen<br />
dargestellt. Es gibt unter den 10 wichtigsten Variablen keine Übereinstimmung zwischen<br />
Atlas- und Regionalmodell. Beim Atlasmodell überwiegen höhenabhängige Variablen. Im<br />
Fall der Klimaparameter wurde der Einfluss der Höhe bereits erklärt (Kap. 6.2.1). Die<br />
Nutzungstypen und Vegetationseinheiten, die einen hohen Einfluss auf das Vorkommen<br />
des Steinhuhns ausüben, weisen eine konzentrierte Verbreitung in spezifischen<br />
Höhenstufen auf. Im Fall der „Zwergsträucher und niedrigen Gebüsche“ ist dies der<br />
Bereich an und über der Waldgrenze, also genau jener Bereich, den nach GLUTZ et al.<br />
(1973) auch das Steinhuhn bevorzugt. „Unproduktive Vegetation“ und „Lückige, niedrige<br />
Vegetation“ sind noch etwas stärker mit der Höhe korreliert (Anh. 2.1) und liegen oberhalb<br />
der eben beschriebenen Höhenstufe im Übergang zu den vegetationslosen Flächen. Als<br />
einziger Parameter, der nicht mit der Höhe korreliert, ist die „Neigung“ unter den stärksten<br />
univariaten Modellen zu finden.<br />
Ökologisch betrachtet übt die Höhe aber keinen direkten Einfluss auf die Verbreitung des<br />
Steinhuhns aus, noch nach 1950 kam die Art auch unterhalb 600 m als Brutvogel in<br />
extensiv genutzten Bereichen vor (LÜPS 1980). Die vom Steinhuhn bevorzugten Strukturen<br />
weisen aber eine Höhenabhängigkeit auf, die dazu führt, dass die Art in einem bestimmten<br />
Höhenbereich vorkommt. Bei höherer räumlicher Auflösung (Regionalmodell) hat die<br />
Variable „Höhe“ keinen Einfluss. Der direkte Vergleich zwischen Atlas- und<br />
Regionalmodell (Tab. 21) verdeutlicht dies ebenfalls. Die Unterschiede bei der Exposition<br />
sind wohl eher methodisch bedingt (Problem der Mittelung innerhalb der Rasterzelle beim<br />
Atlasmodell), unterschiedliche Präferenzen bei den beiden Skalen sind nicht zu erwarten.<br />
Daher habe ich dem bisherigen besten Atlasmodell A2-1 manuell die Variable<br />
„Cosinustransformierte Exposition“ hinzugefügt, was zu geringfügig verbesserten