Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...

30
2 Habitatmodelle
Tab. 2-3: Aus einer Klassifikationsmatrix ableitbare Güteparameter (vgl. Fielding & Bell 1997).
Güteparameter Berechnung aus Klassifikationsmatrix in Abb. 2-1 1
Anteil korrekter Prognosen (a+d) / n
Sensitivität a / (a+c)
Spezifizität d / (b+d)
1 mit a, b, c, d : Belegungen der Klassifikationsmatrix s. Abb. 2-1
Bei jeder Klassifikation können zwei Fehler begangen werden, die inhaltlich unterschieden
werden müssen. Falsche Vorkommensprognosen (d.h. Prognose: Präsenz
bei beobachteter Absenz) – bei Morrison et al. (1998) der Fehler 1. Art – können z.B.
dadurch entstehen, daß nicht alle potentiell geeigneten Habitate besetzt sind (Fielding
& Haworth 1995; Dennis & Eales 1999). Weitere mögliche Gründe sind, daß das
Modell mindestens einen qualitätsmindernden Faktor nicht berücksichtigt, oder daß
es die Bedingungen, die für ein Vorkommen notwendig sind, unzureichend beschreibt.
Außerdem lassen sie sich durch Fehler bei der Datenaufnahme – d.h. nicht
gefundene Individuen – erklären. Da ein tatsächliches Nichtvorkommen methodisch
nicht so sicher festzustellen ist wie ein Vorkommen (Helms 1997), kann ein Fehler 1.
Art nicht so schwerwiegend bewertet werden.
Falsche Nichtvorkommensprognosen – Prognose: Absenz bei beobachtetem Vorkommen
(Fehler 2. Art bei Morrison et al. 1998) – können ebenfalls in einem unzureichenden
Modell begründet sein, welches mindestens einen qualitätsfördernden
Faktor nicht berücksichtigt. Auch wandernde, einzelne Individuen in einem eigentlich
ungeeigneten Habitat können einen solchen Fehler verursachen (s. 2.6.4.3).
Die Auswirkungen der beiden möglichen Fehler hängen von der Modellanwendung
ab: Fehler 1. Art sollten dann minimiert werden, wenn durch Modellfehler – z.B. bei
einer geplanten Verbesserung der Umweltbedingungen für potentiell geeignetes Habitat
– erhöhte Kosten verursacht werden (Morrison et al. 1998). Fehler der 2. Art
sind immer dann kritisch, wenn bei geplanten Eingriffen in die Landschaft fehlerhaft
als ungeeignet klassifizierte Habitate dem Eingriff zum Opfer fallen (Morrison et al.
1998; Kuhn 1998).
Da die Gütemaße in Tab. 2-3 aus der Klassifikationsmatrix (Abb. 2-1) berechnet
werden, hängen auch sie stark von der Lage des Klassifikationsschwellenwertes Pkrit ab, wie Abb. 2-2 verdeutlicht (vgl. Fielding & Bell 1997; Schröder 1999/2000).
Während einige Autoren a priori feste Schwellenwerte annehmen (z.B. Austin et al.
1990; Pearce et al. 1994; Pausas et al. 1995), wählen andere den Pkrit-Wert ex posteriori,
d.h. nach Anpassung des Modells und Berechnung der prognostizierten Vorkommenswahrscheinlichkeiten.
So selektieren Özesmi & Mitsch (1997) denjenigen
Wert, der den Anteil korrekter Klassifikationen maximiert (Pkrit = Popt). Capen et al.
(1986) hingegen wählen diejenige Vorkommenswahrscheinlichkeit als Schwellenwert,
bei der Sensitivität und Spezifizität denselben Wert annehmen (Pkrit = Pfehlergerecht, vgl.
Abb. 2-2). Im Zuge der Modellentwicklungen werden die Klassifikationsergebnisse in
dieser Arbeit für diese beiden charakteristischen Schwellenwerte gegenübergestellt (s.
beispielsweise Tab. 2-9).