Wildtierkorridore in Baden-Württemberg - Forstliche Versuchs

131.2.3 Sensitivität von Cost-Distance-ModellenWie bei jedem Modell kann die Realität auch mit Cost-Distance-Analysen nuransatzweise wiedergegeben werden. Unsicherheiten gibt es bei der Auswahl derals relevant angesehenen Deskriptoren eines Habitats wie auch deren Bewertung.Daneben hat die Festlegung des Maßstabs, in dem die Auswertung erfolgt,erheblichen Einfluss auf das Ergebnis. Es macht unter Umständen einenwesentlichen Unterschied, ob Cost-Distance-Analysen auf Raster-Daten mit einerAuflösung von 30 m oder 1 km beruhen. So können bei einer groben Auflösungkleine Einheiten, die eine Trittsteinfunktion haben, ebenso wie schmale, abermöglicherweise absolute Barrieren übersehen werden.Die Qualität von Habitatmodellen sollte immer geprüft werden. Entweder erfolgteine Validierung mit vorhandenen Daten, um zu testen, wie gut die Vorhersagendes Modells sind, oder es wird mit einer Sensitivitätsanalyse festgestellt, wie dasModell reagiert, wenn Parameter verändert werden. Bei Cost-Distance-Analysenwird diese gute wissenschaftliche Praxis meist vernachlässigt. Der Grund dafür isteinerseits der beschriebene Mangel an Daten zum Verhalten von Tieren auf einemKorridor. Gerade bei Sensitivitätsanalysen, die auf der wiederholten Anwendungdes Modells beruhen, dürfte außerdem der hohe Rechen- und damit Zeitaufwand,den eine Cost-Distance-Analyse erfordert, den wesentlichen Hinderungsgrunddarstellen.Wir untersuchten unter ähnlichen Bedingungen, wie wir sie in den endgültigenModellen verwendeten, die Sensitivität von Cost-Distance-Analysen auf die Wahlder Parameter und auf die räumliche Auflösung, mit der die Parameter in dasModell einflossen.Grundlagendaten für die Analyse waren Rasterdaten einerLandnutzungskartierung der Landesanstalt für Umweltschutz (LfU), die wir zusechs Klassen vereinfachten (vgl. 2.1.2). Wir definierten einen Startpunkt in derMitte und vier Zielpunkte in den Ecken des durch die Rasterdaten abgedecktenBereiches. In 200 Durchgängen berechneten wir die Cost-Distance vom Startpunktund leiteten davon die Cost-Paths zu den vier Eckpunkten ab. Bei jedemDurchgang veränderten wir zufällig die Parameter der Widerstandswerte. DieBereiche, aus denen Widerstandswerte einer Klasse zugeordnet wurden,definierten wir für jede Klasse in Form einer Dreiecksverteilung (Abb. 1), so dassjede mögliche Kombination von Werten ökologisch denkbar war. Nach jeweils 50Rechenschritten veränderten wir die räumliche Auflösung systematisch in vierSchritten. Wir verwendeten die Daten in der Originalauflösung von 30 m sowiegemittelt für Flächen von 1 ha, 10 ha und 100 ha. Als Ergebnis für jedeParameterkombination wurden die berechneten Pfade festgehalten.