Zwischen Naturschutz und Theoretischer Ökologie: Modelle zur ...

2.6 Diskussion 61
2.6.4.2 Vegetationsstruktur
Die Vegetationsstruktur hat nach Oschmann (1973) und Oppermann (1987) einen
erheblichen Einfluß auf Heuschreckenvorkommen und -abundanz. Ihre Ausbildung
steht in einer engen Beziehung zu den mikroklimatischen Verhältnissen des Standorts
(Kleinert 1992) und der Bodenfeuchte (van Wingerden et al. 1992; Marzelli
1995). Mikroklima und Klima der bodennahen Luftschicht werden allgemein als
habitatbindende Faktoren (Röber 1949; Sänger 1977; van Wingerden et al. 1991) von
entscheidender Bedeutung angesehen (Köhler 1990). Sie lassen sich mit Hilfe der
Strukturvariablen wie „Heterogenität der Schichtung“, „Wuchsform und Horizontalstruktur
der Krautschicht“ besser charakterisieren als durch die großflächig aufgenommenen
Habitatfaktoren. Andere Strukturvariablen, wie z.B. die Deckung abgestorbener,
stehender Phytomasse geben weitere Hinweise auf die sich der Heuschrecke
bietenden Möglichkeiten, sich vor Prädation zu schützen.
2.6.4.3 Nachbarschaftsvariablen: warum haben sie keinen deutlicheren Effekt?
Von der expliziten Modellierung der räumlichen Nachbarschaftsverhältnisse in den
Daten durch ein autologistisches Modell (Augustin et al. 1998) ist eine nicht unerhebliche
Verbesserung der Prognosegüte zu erwarten (vgl. Smith 1994), die aber nur
zum Teil festgestellt werden kann (s. 2.4.2.2).
Die Nachbarschaftsvariablen in Tab. 2-13 werden aus den prognostizierten, nicht
den nachgewiesenen Vorkommen abgeleitet (vgl. Smith 1994). Dies ermöglicht die
Berechnung dieser Variablen für alle Untersuchungsflächen, da für alle Flächen
zumindest aufgrund des Biotoptyp-Modells erstellte Prognosen existieren (vgl.
2.6.2.1). Allerdings ist damit eine Fortpflanzung des Prognosefehlers verbunden; eine
geringere Verläßlichkeit der Ausprägungen der Nachbarschaftsvariablen wird in Kauf
genommen. Fraglich ist, ob aufgrund dieser Unsicherheiten nicht ein möglicher
Effekt überdeckt wird.
Obschon die Verwendung der Nachbarschaft als Prädiktorvariable für den gesamten
Datensatz nicht den erhofften Erfolg hatte, ändert sich das Bild, wenn man die
Untersuchungen auf diejenigen Flächen beschränkt, in deren Nachbarschaft ebenfalls
Transektbegehungen durchgeführt wurden. So können die tatsächlichen Beobachtungen
zur Ableitung der Nachbarschaftsvariablen genutzt werden. Für den reduzierten
Datensatz können beide Gruppen von Nachbarschaftsvariablen größere Beiträge
zur Varianzerklärung leisten und Effekte wie Isolation oder direkte Nachbarschaft zu
optimalen Habitaten in die Modelle integrieren (vgl. Abb. 2-9). Wenn auf den angrenzenden
Flächen Tiere gefunden wurden, dann hängt die geschätzte Vorkommenswahrscheinlichkeit
positiv von diesen Vorkommen ab. Isolation hingegen führt
zu verringerten Vorkommenswahrscheinlichkeiten (u.a. van Dorp & Opdam 1987;
Hanski 1991; Kuhn 1998; Dennis et al. 1998).
Daß die Auswirkung dieser Prädiktorvariablen nicht noch stärker ins Gewicht fällt,
kann daran liegen, daß die der Erwartung einer Prognoseverbesserung zugrundeliegenden
Hypothesen mittels der vorhandenen Datengrundlage nicht adäquat untersucht
werden können: Im Gelände konnte beobachtet werden, daß Mahdereignisse