Habitat-Modelle in der Wildökologie - Université de Lausanne

Modellentwicklung 19Beispiel könnte eine zweite Art (S2), etwa ein Konkurrent, Räuber oder Symbiont,Auswirkungen auf die untersuchte Spezies (S1) haben. Die beiden Arten"teilen" sich zwar den selben Umweltparameter E1, der in einer statistischen, aberkeineswegs ursächlichen Beziehung zur Spezies S1 steht, aber die tatsächlicheKausalkette verläuft über S2.4.4 Einfließende VariablenOb man nun von (ökogeographischen) Variablen, Faktoren, Parametern, Komponentenoder Gradienten, von Response oder Zielgröße spricht, einige Überlegungensind – tunlichst bevor man sich auf ein bestimmtes Modell festlegt bzw.unabhängig davon – anzustellen.4.4.1 ZielgrößeBeobachtungen für das Vorkommen bzw. die Abundanz der untersuchten Tierartstammen entweder aus direkten Nachweisen (Sichtung, Fang und/oder telemetrischeOrtung, Gesang) oder aus indirektem Nachweis (Kot, Risse, Federn, Haare,Spuren, Huderstellen).Die meisten statistischen Ansätze sind während ihrer Anpassung sowohl aufpresence als auch auf absence-Daten angewiesen, also auf Angaben über nachweislichesVorkommen bzw. gesichertes Nichtvorkommen der untersuchten Tierartan einem gegebenem Standort.Die Aufnahme der presence/absence-Daten ist ein kritischer Schritt im Modellierungs-Prozeß(Hirzel et al., 2002). Insbesondere absence-Daten sind schwer mitder gebotenen Genauigkeit zu erheben.Ein gegebener Stichprobenpunkt kann aus mehreren Gründen – eben auchfälschlicherweise – dem absence-Satz zugeordnet werden:- (1) die Tierart konnte nicht beobachtet werden, obwohl sie vorkommt (wiederholtesAufsuchen notwendig),- (2) die Tierart kommt aus historischen Gründen nicht vor, obwohl das Habitatgeeignet wäre (z.B. Ausrottung), oder- (3) das Habitat ist tatsächlich ungeeignet.Nur der letzte Fall ist für die Vorhersage relevant. Falsche absences können dieAussage eines Modells beträchtlich verzerren.