12.07.2015 Aufrufe

Habitat-Modelle in der Wildökologie - Université de Lausanne

Habitat-Modelle in der Wildökologie - Université de Lausanne

Habitat-Modelle in der Wildökologie - Université de Lausanne

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Mo<strong>de</strong>llvergleiche 797. Mo<strong>de</strong>llvergleicheNur wenige Autoren wagen <strong>de</strong>n Vergleich verschie<strong>de</strong>ner Ansätze, meistens eherum die Leistungsfähigkeit <strong>de</strong>s persönlich bevorzugten Ansatzes hervorzuhebenals diesen <strong>in</strong> Frage zu stellen.E<strong>in</strong>ige <strong><strong>de</strong>r</strong> hier angeführten Vergleiche beruhen auf effektiv durchgeführten Studien,d.h. die diversen Ansätze wer<strong>de</strong>n anhand konkreter Datensätze verglichen,an<strong><strong>de</strong>r</strong>e s<strong>in</strong>d eher theoretische Ausse<strong>in</strong>an<strong><strong>de</strong>r</strong>setzungen.7.1 ENFA, GLM bzw. logistische RegressionDer Vergleich (statistischer) Mo<strong>de</strong>llierungs-Techniken ist eigentlich nur dannmöglich, wenn die "Realität" bekannt ist und erfaßt wer<strong>de</strong>n kann (where ’truth’is known) (Aust<strong>in</strong>, 2002a). Das Generieren <strong><strong>de</strong>r</strong>artiger "wahrer" Daten setztvoraus, daß die Reaktion e<strong>in</strong>er Art auf die diversen Umweltgradienten sowiedie Prozesse, welche Multikoll<strong>in</strong>earität zwischen diesen Prädiktoren bed<strong>in</strong>gen,bekannt s<strong>in</strong>d. In diesem S<strong>in</strong>ne ist auch Aust<strong>in</strong> (2002b) zu verstehen, wenn er davonspricht, daß das Ignorieren ökologischer Zusammenhänge die Anwendungstatistischer <strong>Mo<strong>de</strong>lle</strong> <strong>in</strong> <strong><strong>de</strong>r</strong> Ökologie e<strong>in</strong>schränkt.Hirzel et al. (2001b) erzeugen tatsächlich künstliche Daten aufgrund expliziterökologischer Theorien: Sie schaffen e<strong>in</strong>e virtuelle Spezies, die vollkommendurch ihre ökologische Nische <strong>de</strong>f<strong>in</strong>iert ist. Damit ist es möglich, e<strong>in</strong>e bzw. die"wahre" <strong>Habitat</strong>eignungskarte zu generieren. Diese bil<strong>de</strong>t die Grundlage für <strong>de</strong>nVergleich von zwei <strong>Habitat</strong>eignungs-<strong>Mo<strong>de</strong>lle</strong>n, nämlich ENFA und GLM.Es wer<strong>de</strong>n drei Szenarien – mit jeweils zwei Stichprobengrößen – simuliert:spread<strong>in</strong>g (Population besie<strong>de</strong>lt unbesetzten, geeigneten Lebensraum), equilibrium(Populationsdichte ist so hoch, daß sämtliches geeignetes <strong>Habitat</strong> besetztist) und over-abundance (Populationsdichte <strong><strong>de</strong>r</strong>art hoch, daß auch ungeeignetes<strong>Habitat</strong> besie<strong>de</strong>lt wird).Im spread<strong>in</strong>g-Szenario war ENFA effizienter als GLM (höheres→Bestimmtheitsmaß R 2 ). Beim equilibrium-Szenario war ke<strong>in</strong> signifikanterUnterschied erkennbar. Beim over-abundance-Szenario mit kle<strong>in</strong>er Stichprobelieferte GLM wesentlich bessere Ergebnisse, bei größerer Stichprobe verschwan-

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!