Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...

88 3 Validierung der Habitatmodelle
decken (z.B. Bozek & Rahel 1992; Glozier et al. 1997). Für beide Datensätze können
dann dieselben Schwellenwerte verwendet werden, womit die Vergleichbarkeit der
Modelle gegeben ist. Nachteil der Normierung ist, daß die Habitateignungsindices
dann nicht mehr als gebietsspezifische Vorkommenswahrscheinlichkeiten zu interpretieren
sind, da die Information über die in den Untersuchungsgebieten unterschiedlich
hohen Prävalenzen dann keine Berücksichtigung mehr finden würde.
Während Freeman et al. (1997) sowie Glozier et al. (1997) nur einzelne Habitatfaktoren
hinsichtlich ihrer Übertragbarkeit testen, kombinieren Thomas & Bovee (1993)
univariate Modelle, indem sie nur solche Bedingungen als optimal charakterisieren,
bei denen alle Faktoren optimale Ausprägungen aufweisen. Für C. dorsalis und
S. grossum hingegen werden hier multivariate Modelle entwickelt und durch ihre Übertragung
validiert. Schon bei der Modellentwicklung werden alle ökologisch bedeutsamen
und statistisch signifikanten Habitatfaktoren berücksichtigt. So liefern die
Modelle eine adäquate Beschreibung der Beziehung zwischen der Art und ihrem
Habitat, die der Multidimensionalität der realisierten Nische besser gerecht werden
kann (s. Shugart 1981; Austin et al. 1990).
3.5.3.2 Signifikanztest auf Grundlage der ROC-Kurven
Die Verwendung des auf den AUC-Werten, d.h. den Flächen unterhalb der ROC-
Kurven, beruhenden Übertragbarkeitstests hat demgegenüber den Vorteil, daß die
Bewertung unabhängig von einzelnen Klassifikationsschwellenwerten durchgeführt
wird. Er ermöglicht zudem – neben dem Test gegen die ROC-Kurve eines Zufallsmodells
– auch die Verwendung anderer kritischer Größen des Gütekriteriums
AUCkrit (vgl. Gl. ( 3-1 ), s. Beck & Shultz 1986).
Beide hier durchgeführten Signifikanztests auf Übertragbarkeit verwenden die Klassifikationsmatrizen
bzw. Klassifikationen, die sich aus einem Vergleich zwischen Präsenz-Absenz-Daten
mit Präsenz-Absenz-Prognosen ergeben. Das entspricht in etwa
dem Verfahren bei Freeman et al. (1997), welche die Habitate durch einen Eignungsindex
von 0.4 als Klassifikationsschwellenwert Pkrit in die Gruppen optimal und nicht
optimal klassifizieren. Sie verzichten auf den von Thomas & Bovee (1993) wie auch
Glozier et al. (1997) zusätzlich durchgeführten Test hinsichtlich geeigneter und ungeeigneter
Habitate (mit Pkrit = Habitateignungsindex 0.1). Freeman et al. (1997) argumentieren
damit, daß der höhere Schwellenwert eine schärfere Beschreibung der Habitatansprüche
garantiert, die unabhängig von gebiets- bzw. flächenspezifischen
Habitatbedingungen und der Populationsdichte ist. Bei den hier angewendeten Verfahren
– Berechnung von Vorkommenswahrscheinlichkeiten mittels logistischer Regression
und Klassifikation mit angepaßtem Schwellenwert bzw. Berechnung der
Receiver-Operating-Charakteristik – erübrigt sich die Durchführung von mehreren
Tests bei verschiedenen Schwellenwerten.
Die Validierung in Raum und Zeit hat die Robustheit der Habitatmodelle gezeigt. Da
wesentliche Nutzungsparameter Eingang in die Modelle gefunden haben, ist zu
erwarten, daß mit ihrer Hilfe zuverlässige Prognosen hinsichtlich der Auswirkungen
von Managementmaßnahmen im Niedermoor getroffen werden können.