Habitat-Modelle in der Wildökologie - Université de Lausanne

Modellvergleiche 82der eingehenden Variablen; die anderen Ansätze greifen auf Experten-Urteile,→PCA und univariate Regression zurück. GLMs und GAMs integrieren Methodenzur Berücksichtigung von Wechselwirkungen zwischen den Variablen undliefern statistische Schätzungen zu Fehler und Abweichung. ANUCLIM und DO-MAIN basieren auf einfachen Konzepten, doch mangelt es an umfassender Dokumentation.Die komplexen statistischen Konzepte bei GLMs und GAMs werdendurch umfangreiche Dokumentation und Literatur ausgeglichen. GARP hat zwareine benutzerfreundliche Schnittstelle, ist aber schwer zu interpretieren, und esgibt wenige veröffentlichte Anwendungen.Die Modelle wurden auf 7 Spezies angewandt. Es ergaben sich keine wesentlichenUnterschiede im Modellierungs-Erfolg zwischen den verschiedenen Modellen.Nur ANUCLIM war etwas schwächer, wohl einfach aufgrund der Tatsache,daß weniger Variablen einfliessen. Die Autorin macht u.a. die Qualität der Datendafür verantwortlich und schließt daraus, daß es sich unter Umständen auszahlt,mehr Aufwand in bessere Daten zu investieren, als in hochentwickelte Modelle.Sie erklärt sich die bei Forschern vorherrschende Präferenz für GLM und GAMdamit, daß diese leichter zu interpretieren und somit auf ökologische Zusammenhängeumgelegt werden können.7.5 DFA, CART, logistische Regression und MahalanobisDistanzDettmers et al. (2002) vergleichen →logistische Regression, →DFA,→Mahalanobis distance, →CART und →PCA. Modelliert wurde das jeweiligeHabitat (definiert durch 26 Variablen, jeweils 4 Modelle) von 6 Vogelarten.Um die Treffsicherheit der verschiedenen Ansätze zu vergleichen, wurden die fürTennessee angepaßten Modelle auf zwei unabhängige Datensätze (Georgia undVirginia) angewandt.Das DFA-Modell konnte, auf den Trainingsdatensatz angewandt, mehr als 90%der Beobachtungen richtig einordnen. Auf die beiden unabhängigen Datensätzebezogen konnte es nur mehr weniger als 70%, für die meisten Arten wenigerals 50% der Beobachtungen richtig vorhersagen. CART lieferte für die DatensätzeGeorgia und Virginia bei zwei Vogelarten über 90% bzw. 85% korrekteVorhersagen, für die anderen Arten lag die Treffsicherheit unter 65%. Logistische