<strong>Mo<strong>de</strong>lle</strong>ntwicklung 25- proportional-stratified sampl<strong>in</strong>g: wie oben, aber die Stichprobenpunkte wer<strong>de</strong>nim Verhältnis zum Flächenanteil <strong>de</strong>s jeweiligen Stratums an <strong><strong>de</strong>r</strong> Gesamtfläche<strong>de</strong>s Erhebungsgebietes zufällig angeordnet (Abb. 4.4D).Der Stichprobenumfang hatte <strong>de</strong>n stärksten E<strong>in</strong>fluß: größere Stichproben liefertengenauere Vorhersagen, sowohl was die <strong>Habitat</strong>-Eignung als auch das Vorkommen/Nicht-Vorkommenanbelangt.Die Rangordnung <strong><strong>de</strong>r</strong> Verfahren von bester zu schlechtester Strategie war bei <strong><strong>de</strong>r</strong>Bewertung <strong><strong>de</strong>r</strong> <strong>Habitat</strong>eignung equal-stratified gefolgt von regular, random undproportional-stratified. Bei <strong><strong>de</strong>r</strong> Vorhersage Vorkommen/Nicht-Vorkommen war dieReihenfolge regular, equal-stratified, proportional-stratified und random.Da die Erhebung <strong><strong>de</strong>r</strong> Daten e<strong>in</strong> sowohl zeit- als auch geldaufwendiges Unterfangendarstellt, sollte man <strong>de</strong>n jeweiligen Anfor<strong><strong>de</strong>r</strong>ungen Rechnung tragen. Indiesem S<strong>in</strong>ne kommen die Autoren zum Schluß, daß das Stratifizieren <strong><strong>de</strong>r</strong> Stichproben– was ja zusätzlicher Information bedarf – die Mo<strong>de</strong>ll-Genauigkeit nichtwesentlich steigert, und daß regular sampl<strong>in</strong>gs e<strong>in</strong>facher (und kostengünstiger)zu implementieren s<strong>in</strong>d.Aust<strong>in</strong> (2002a) beschreibt e<strong>in</strong> gradsect o<strong><strong>de</strong>r</strong> auch SR 3 -strategy (StratificationRepresentation Replication Randomization) genanntes Verfahren, das e<strong>in</strong>e repräsentativeStichprobe <strong>de</strong>s Untersuchungsgebietes liefern soll. Dabei wer<strong>de</strong>nTransekte so durch das Gebiet gelegt, daß sie die wesentlichen Umweltgradienten<strong><strong>de</strong>r</strong> Region kreuzen und zwar <strong><strong>de</strong>r</strong>art, daß die Zeit, die zum Aufsuchen <strong><strong>de</strong>r</strong> sichergeben<strong>de</strong>n Punkte notwendig ist, m<strong>in</strong>imiert und Zugangs-Probleme vermie<strong>de</strong>nwer<strong>de</strong>n. E<strong>in</strong> kosteneffizientes Verfahren also, das <strong>de</strong>n oben genannten randomstratified-Strategiensehr nahe kommt (Hirzel und Guisan, 2002).
Mo<strong>de</strong>llansätze 265. Mo<strong>de</strong>llansätze5.1 Versuch e<strong>in</strong>er Glie<strong><strong>de</strong>r</strong>ungAnsätze gibt es ebensoviele wie <strong>Mo<strong>de</strong>lle</strong> selbst, es ist daher nicht e<strong>in</strong>fach, sie<strong>in</strong> Klassen e<strong>in</strong>zuordnen. Je nach angelegten Kriterien gelangen verschie<strong>de</strong>neAutoren zu unterschiedlichen E<strong>in</strong>teilungen. E<strong>in</strong> und das selbe Mo<strong>de</strong>ll sche<strong>in</strong>teventuell mehrmals bzw. <strong>in</strong> unterschiedlichen Kategorien auf.Ke<strong>in</strong>e <strong><strong>de</strong>r</strong> gefun<strong>de</strong>nen Aufstellungen enthält alle bekannten <strong>Mo<strong>de</strong>lle</strong>, es erhebtauch ke<strong>in</strong>er <strong><strong>de</strong>r</strong> Autoren Anspruch auf Vollständigkeit.Jeffers (1988) ordnet im Practitioner’s Handbook on the Mo<strong>de</strong>ll<strong>in</strong>g of DynamicChange <strong>in</strong> Ecosystems mathematische <strong>Mo<strong>de</strong>lle</strong> <strong>in</strong> folgen<strong>de</strong> Familien e<strong>in</strong>: functionalrelationship (Populations- und Räuber-Beute-<strong>Mo<strong>de</strong>lle</strong>), matrix mo<strong>de</strong>ls (z.B.Leslie-Matrix, Markovs Mo<strong>de</strong>ll) , statistical mo<strong>de</strong>ls (→ANOVA, →MLR), multivariatemo<strong>de</strong>ls (→Ord<strong>in</strong>ation, Discrim<strong>in</strong>ation (→DA, →Mahalanobis distance),→Classification, →Clusteranalyse), mathematical programm<strong>in</strong>g, game theorymo<strong>de</strong>ls, und catastrophe theory.Harvey (1996) spricht von "Techniken <strong><strong>de</strong>r</strong> Gradientenanalyse" und zählt mehrere(statistische) Ansätze auf (→MR, →IR, →PCA, →RDA, →COR, →WAE, →GLM,→ML, →WAI, →CA, →DCA, →CCA und →DCCA). Je nach →Response (l<strong>in</strong>earo<strong><strong>de</strong>r</strong> unimodal) sowie Anzahl <strong><strong>de</strong>r</strong> abhängigen/unabhängigen Variablen ordneter die <strong>Mo<strong>de</strong>lle</strong> <strong>in</strong> die Kategorien →Regression, →Calibration, →Ord<strong>in</strong>ation und→Canonical Ord<strong>in</strong>ation e<strong>in</strong>.Lek und Guégan (1999) unterschei<strong>de</strong>n mathematische (analytische), numerischeund statistische Metho<strong>de</strong>n, sowie Techniken die auf künstlicher Intelligenz(→AI) beruhen: Expertensysteme (→XPS), genetische Algorithmen (→GA) undneuronale Netzwerke (→ANN).Morrison et al. (1998) liefern e<strong>in</strong>e Klassifizierung von wildlife-habitat relationship-<strong>Mo<strong>de</strong>lle</strong>n, primär geglie<strong><strong>de</strong>r</strong>t nach <strong>de</strong>n Schlüsseln Forschung- und Management-
- Seite 2 und 3: Danksagung"Wenn ich weiter gesehen
- Seite 4 und 5: ii5 Modellansätze 265.1 Versuch ei
- Seite 6 und 7: ivTabellenverzeichnis4.1 Variablen
- Seite 8 und 9: Einleitung und Fragestellung 11. Ei
- Seite 10 und 11: Material und Methoden 32. Material
- Seite 12 und 13: Realität, Modell und Simulation 53
- Seite 14 und 15: Realität, Modell und Simulation 7T
- Seite 16 und 17: Realität, Modell und Simulation 9F
- Seite 18 und 19: Modellentwicklung 11bewerten bzw. u
- Seite 20 und 21: Modellentwicklung 13Beschreibungen
- Seite 22 und 23: Modellentwicklung 15zunehmen.Der zw
- Seite 24 und 25: Modellentwicklung 17nur lineare Zus
- Seite 26 und 27: Modellentwicklung 19Beispiel könnt
- Seite 28 und 29: Modellentwicklung 21VariableBodende
- Seite 30 und 31: Modellentwicklung 23deren, um die V
- Seite 34 und 35: Modellansätze 27Interessen einerse
- Seite 36 und 37: Modellansätze 29schen Anforderunge
- Seite 38 und 39: Modellansätze 31Lebensbedingungen,
- Seite 40 und 41: Modellansätze 33Fläche multiplizi
- Seite 42 und 43: Modellansätze 35Tabelle 5.2: link-
- Seite 44 und 45: Modellansätze 37betrachten, allgem
- Seite 46 und 47: Modellansätze 39Im autologischtisc
- Seite 48 und 49: Modellansätze 41m GVorkommenshäuf
- Seite 50 und 51: Modellansätze 43der untersuchten A
- Seite 52 und 53: Modellansätze 45ren - Parametern b
- Seite 54 und 55: Modellansätze 47Diese können mit
- Seite 56 und 57: Modellansätze 49schine weiter und
- Seite 58 und 59: Modellansätze 51beschicht über di
- Seite 60 und 61: Modellansätze 53chend dem Wert der
- Seite 62 und 63: Modellansätze 55Schutzes (Crist, 2
- Seite 64 und 65: Modellanwendungen 576. Modellanwend
- Seite 66 und 67: Modellanwendungen 596.2 GLMZimmerma
- Seite 68 und 69: Modellanwendungen 61für diese Regi
- Seite 70 und 71: Modellanwendungen 63bensfähige Pop
- Seite 72 und 73: Modellanwendungen 65wiederum mit de
- Seite 74 und 75: Modellanwendungen 67wesentlichen Ha
- Seite 76 und 77: Modellanwendungen 69lassen und die
- Seite 78 und 79: Modellanwendungen 71beschrieben.Da
- Seite 80 und 81: Modellanwendungen 73Wölfe wurde mi
- Seite 82 und 83:
Modellanwendungen 75tes einer Art s
- Seite 84 und 85:
Modellanwendungen 77Für jede Jahre
- Seite 86 und 87:
Modellvergleiche 797. Modellverglei
- Seite 88 und 89:
Modellvergleiche 81den →Korrelati
- Seite 90 und 91:
Modellvergleiche 83Regression und M
- Seite 92 und 93:
Schlußbetrachtung 85die Gleichunge
- Seite 94 und 95:
Schlußbetrachtung 87ter die Bären
- Seite 96 und 97:
Zusammenfassung 89chen der Modelle
- Seite 98 und 99:
Glossar und Abkürzungsverzeichnis
- Seite 100 und 101:
Glossar und Abkürzungsverzeichnis
- Seite 102 und 103:
Glossar und Abkürzungsverzeichnis
- Seite 104 und 105:
Glossar und Abkürzungsverzeichnis
- Seite 106 und 107:
Glossar und Abkürzungsverzeichnis
- Seite 108 und 109:
Glossar und Abkürzungsverzeichnis
- Seite 110 und 111:
Literaturverzeichnis 103Literaturve
- Seite 112 und 113:
Literaturverzeichnis 105Grimm, V.,
- Seite 114 und 115:
Literaturverzeichnis 107Mace, R., W
- Seite 116:
Literaturverzeichnis 109Van Horne,