Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...

2.3 Statistische Verfahren der Habitatmodellierung 23
Da diese Informationen nur für eine verringerte Anzahl an Untersuchungsflächen
erhoben wurden, ersetzen die Prognosen dieses Modells diejenigen der in
(2) erstellten Habitateignungskarte auch nur für diese Flächen.
(4) Ableitung der zusätzlichen Nachbarschaftsvariablen (2.2.2) aus den nach den
Schritten (1), (2) bzw. (3) erhaltenen Habitateignungskarten; u.U. Hinzunahme
der Vorkommensnachweise in der unmittelbaren Nachbarschaft (a) bzw. aus
vorangegangenen Untersuchungsjahren (b). Erstellung eines Habitateignungsmodelles,
das zusätzlich diese Prädiktorvariablen berücksichtigt (autologistisches
Modell, vgl. 2.2.2).
2.3 Statistische Verfahren der Habitatmodellierung
In der aktuellen Literatur kommen bei der Erstellung prädiktiver Habitatmodelle aus
Präsenz-Absenz-Daten fast ausschließlich die Verfahren der Diskriminanzanalyse
(vgl. Fisher 1936; Green 1971; Dillon & Goldstein 1984; Backhaus et al. 1996) und
der logistischen Regression (s. Cox & Snell 1989; Hosmer & Lemeshow 1989; Jongman
et al. 1995; Agresti 1996) zur Anwendung. Die logistische Regression wird aufgrund
weniger scharfer Modellannahmen (Noon 1986), der besseren Klassifizierungsergebnisse
(Efron 1975; Press & Wilson 1978), der ökologischen Interpretierbarkeit
der Regressionsparameter (Brennan et al. 1986) sowie aufgrund der Möglichkeit
der gleichzeitigen Verwendung metrischer und kategorischer Prädiktorvariablen
(Capen et al. 1986; Noon 1986) häufig bevorzugt (Adler & Wilson 1985). Bei Austin
et al. (1996) und Block et al. (1998) führt die logistische Regression in einem Vergleich
mit der Diskriminanzanalyse zu „sparsameren“ und robusteren Modellen mit
einer geringeren Anzahl erklärender Variablen. Morrison et al. (1998) konstatieren
eine Ablösung der Diskriminanzanalyse durch die logistische Regression, die auch innerhalb
des Projektes vollzogen wurde (vgl. Schröder 1997; Helms 1997; Schröder
1999 und Teppema 1998, unveröff. Dipl.-Arb.). Instruktive Arbeiten der aktuellen
Literatur sind z.B. Lindenmayer (1991), Özesmi & Mitsch (1997), Pereira & Itami
(1991) sowie Peeters & Gardeniers (1998).
Die logistische Regression ermöglicht neben der Vorkommensprognose die Analyse
der Wichtigkeit einzelner Habitatfaktoren bzw. -ansprüche für die Erklärung der
räumlich verteilten Artvorkommen (Lindenmayer et al. 1991; Peeters & Gardeniers
1998). Das Verfahren erlaubt zudem, bestimmte Dimensionen der realisierten Nische
einer Art hinsichtlich einzelner Faktoren quantitativ zu beschreiben (Austin et al.
1990; Pearce et al. 1994; De Swart et al. 1994; Austin et al. 1996). Diese können zum
einen multivariat im Sinne von Hutchinson (1958) als Volumen im multidimensionalen
Hyperraum (Margules et al. 1987; Austin et al. 1990; Pearce et al. 1994), zum
anderen aber auch univariat, d.h. in Bezug auf einen einzelnen Habitatfaktor,
betrachtet werden (z.B. Eyre et al. 1992; Peeters & Gardeniers 1998).