PDF / 53,9 MB - Bundesforschungsanstalt für Forst- und Holzwirtschaft

Bericht des Instituts für Seefischerei (SF)
2 Meeresökosysteme
2.1 Über das Wesen der Veränderung - Wie Interventionen
und Strukturbrüche in marinen und fischereilichen Zeitserien
analysiert und illustriert werden können – On the the Na- Nature
of Changes - How Interventions and Structural Breaks in
Marine and Fisheries Time Series may be analysed and illustrated
Joachim Gröger, Martin Missong (Uni Bremen), Rodney Rountree
(Uni Massachusetts, USA)
In Hinblick auf Nachhaltigkeit ist das Entdecken grundlegender Zustandsänderungen
bei Ökosystemen – sogenannter Regimewechsel
(auch als Strukturbrüche bezeichnet) – von grundlegender
Bedeutung für die Vorhersage der Entwicklung eines solchen
Ökosystems, insbesondere, wenn menschliche Eingriffe (Nutzung)
oder Management bzw. Kontrolle eine signifikante Rolle spielen.
Solche Änderungen werden derzeit im Kontext mit dem Klimawandel
diskutiert. Die Erfassung derartiger Ökosystemveränderungen
ist dann kompliziert, wenn das Ökosystem hoch komplex
ist und die Veränderung nicht nur einen, sondern verschiedene
Prozesse oder Teilprozesse des Ökosystems betrifft, oder weil die
Form der Veränderung sehr heterogen ist (siehe Abb. 5).
82
Mögliche Formen von Shifts und Effekten
Niveau-ändernde Effekte
Trend-ändernde Effekte
Varianz-ändernde Effekte
Abb. 5: Mögliche Typen von Änderungen in einer Zeitreihe. Potential
types of changes within a time series.
Allein unter methodischen Gesichtspunkten erweist sich dann
der Nachweis von Regimewechseln in Ökosystemen schon bei
der Betrachtung eines einzelnen Prozesses als recht anspruchsvoll.
Denn anders als in Standardanwendungen zur Steuerung
z. B. eines industriellen Fertigungsprozesses bei der Produktion
von Schrauben kann im Rahmen einer statistischen Qualitätskontrolle
ein Strukturbruch (bei der Schraubenproduktion z. B.
messbar als Abweichung des Schraubendurchmessers vom Sollwert)
im Ökosystem nicht als Abweichung eines Prozesswertes
von einem a priori gegebenen Sollwert (d. h. bei der Schraubenproduktion
von einem vorgegebenem exakten Schraubendurch-
messer) definiert werden, da solche exakten Referenzwerte in
Ökosystemen nicht existieren bzw. nicht ohne weiteres beobachtbar
sind. Zudem liegen häufig zu wenige Beobachtungen
für die Entwicklung eines Ökosystems vor, so dass hoch parametrisierte,
möglicherweise multivariate Zeitreihenmodelle zur
Bruchpunkterkennung nicht eingesetzt werden können.
In einem gemeinsamen Forschungsvorhaben des Instituts für
Seefischerei, der Universität Bremen und der Universität Massachusetts
wurde deshalb ein iteratives semi-grafisches Verfahren
zum „screening“ ökologischer Zeitreihen entwickelt, das auf verschiedene
statistische und (zeitreihen-)ökonometrische Verfahren
zurückgreift, die auch bei geringem Beobachtungsumfang informativ
sind. D. h., es wird ein flexibles „Bruchmodell“ an die zu
analysierende ökologische Zeitreihe angepasst, das mit der modellierten
Bruchstelle (Impuls, Stufe, Steigung, etc.) iterativ „über die
Zeitreihe hinweg läuft“. Die Kunst des Bruchmodells besteht nun
darin, möglichst viele Bruchtypen gleichzeitig darstellen zu können
(siehe hierzu auch Abb. 5). Bei diesem „screening“-Prozess
werden dann simultan bestimmte Prozess-Kenngrößen (Eigenschaften
der Zeitreihe) als Indikatoren quasi „mitgemessen“. Die
Idee dabei ist, nicht nur – wie bisher üblich – isoliert einen einzelnen
Indikator (z. B. einen Mittelwertunterschied vor und nach der
möglichen Veränderung) auf einen Strukturbruch hin zu untersuchen,
sondern sich die verschiedenden Eigenschaften (z. B. das
Trendverhalten, das Schwingungsverhalten, Niveau-Unterschiede,
Varianz-Veränderungen, verschiedene Bruchtypen, das Autokorrelationsmuster,
usw.), die eine Zeitreihe normalerweise aufweist,
im Detail anzusehen, um daraus unterschiedliche Kenngrößen als
Bruch-Indikatoren abzuleiten, die dann gemeinsam analysiert und
dargestellt werden. Im Gegensatz zu Verfahren, die auf der Analyse
eines Einzelmerkmals als Indikator beruhen, stellt das neue
Verfahren die Aussage, ob ein Regimewechsel stattgefunden hat,
auf eine wesentlich breitere Basis mit etlichen Indikatoren und
erlaubt dadurch eine detaillierte und zugleich stärkere Aussage
darüber. Dazu wurden nun im Rahmen des o. g. gemeinsamen
Forschungsvorhabens die verschiedenen, resultierenden Prozess-
Kenngrößen bzw. Indikatoren, die jeweils einer Eigenschaft der
Zeitreihe zugeordnet sind, in einer grafischen Darstellung, dem
sogenannten „Shiftogramm“, vereint. Aus dem gemeinsamen
Verlauf dieser Kenngrößen lassen sich dann – im Gegensatz zu
der Betrachtung nur eines einzelnen Indikators – potenzielle
Bruchzeitpunkte in der Historie des Systems besser als mit traditionellen
Ansätzen erkennen. D. h., verschiedene Indikatoren des
Shiftogramms zeigen nicht nur einen möglichen Bruch an einer
bestimmten Stelle gleichzeitig an, sondern das Shiftogramm gibt
gleichzeitig darüber Auskunft, was sich im Verlauf der Zeitreihe
tatsächlich verändert hat (die Steigung, das Niveau, die Varianz,
die Autokorrelation, etc.). Das Shiftogramm besteht aus den folgenden
zehn Einzelkomponenten (= Repräsentation der Indikatoren)
(siehe hierzu exemplarisch auch Abb. 6):
1. Traffic-Light-Plot der untersuchten Zeitreihe (aus Platzgründen
nicht in Abb. 6 dargestellt)
2. Plot der untersuchten Original-Zeitreihe
3. Quality-of-fit-Plot des korrigierten Akaikes Information Kriteriums
(AICC) für das angepasste Bruchmodell