Factoren die van invloed zijn op de ontwikkeling - Altenburg ...

De opzet van deze studie was een volledige
gebalanceerde blokkenproef, waarbij alle
combinaties van de twee behandelingen (waterpeil
en bemesting) genest waren binnen de drie locaties
die in feite de herhalingen vertegenwoordigen.
Normaal verdeelde data zoals hoogte en
drooggewicht van de vegetatie, drooggewicht van
de prooidieren en indringingsweerstand van de
bodem werden daarom geanalyseerd met behulp
van variantieanalyse (ANOVA). In deze analyses
worden locatie (Maatpolder, Hetter, Nij Bosma
Zathe) en datum genest binnen locatie, beschouwd
als herhalingen (‘block factors’). Verklarende
factoren waren waterpeil (Laag, Hoog) en bemesting
(Niet, Wel) en hun interactie. Percentages zijn niet
normaal verdeeld waardoor het gebruik van ANOVA
niet mogelijk is. In deze gevallen (vochtgehalte
en percentage regenwormen in de bovenste 10
cm) werd gebruik gemaakt van Gegeneraliseerde
Lineaire Modellen (GLM’s) waarbij uitgegaan
wordt van een binomiale error-verdeling, met een
logit link-functie. In deze modellen zitten locatie,
datum en hun interactie als corrigerende factoren
en waterpeil, bemesting en hun interactie als
verklarende factoren. Ook de dichtheden van
emelten waren niet normaal verdeeld vanwege
het voorkomen van veel nulwaarnemingen. Deze
dichtheden werden afgerond tot gehele getallen en
zijn vervolgens geanalyseerd met behulp van GLM’s
die uitgingen van een Poisson error-verdeling met
een log-link functie. Modelstructuur was hetzelfde
als bij de GLM’s met binomiale error-verdeling
Om te analyseren hoe de voedselbeschikbaarheid
voor volwassen vogels afhangt van de overige
omgevingsvariabelen is gebruik gemaakt van
zogenaamde ‘all-subsets-regression’. Hierbij
wordt van alle modellen die te maken zijn met
de verklarende variabelen vergeleken hoe goed
ze de meetgegevens beschrijven. Beste modellen
werden geselecteerd op basis van de verklaarde
variantie (‘adjusted R 2 ’) en het ‘Akaike Information
Criterion’ (AIC). Responsvariabelen waren
Dichtheid regenwormen in de bovenste 20 cm van
de bodem, dichtheid regenwormen in de bovenste
10 cm van de bodem, percentage regenwormen in de
bovenste 10 cm van de bodem en dichtheid emelten
in de bovenste 10 cm van de bodem (emelten zaten
nooit dieper dan 10 cm). Verklarende variabelen
waren Indringingsweerstand van de bodem,
Bodemvochtigheid, Grondwaterstand en Bemesting
(wel/niet). Vaste corrigerende variabelen waren
Locatie, Datum en de interactie Locatie.Datum. Op
vergelijkbare wijze werd bepaald of de vegetatie, van
belang voor de gruttokuikens, significant beïnvloed
werd door deze vier verklarende variabelen. Bij
het percentage regenwormen in de bovenste 10
cm werd uitgegaan van een binomiale verdeling
van de restvariantie en werd een logit link-functie
Factoren die van invloed zijn op de ontwikkeling van weidevogelpopulaties
47
gebruikt. De overige variabelen werden loggetransformeerd
voor het uitvoeren van de reguliere
regressieanalyse.
Om inzicht te krijgen in de functionele respons
van foeragerende Grutto’s zijn de protocollen van
foeragerende Grutto’s gekoppeld aan de gemeten
bodemvariabelen op elke locatie. Indien op een locatie
en datum slechts één set van bodemvariabelen (aantal
en biomassa prooidieren, indringingsweerstand en
bodemvochtigheid) was gemeten maar meerdere
foerageerprotocollen beschikbaar waren, werden
deze foerageerprotocollen bij elkaar opgeteld. Met
behulp van de gesommeerde protocolleertijd, het
gesommeerde aantal prikken en het gesommeerde
aantal succesvolle prikken werd vervolgens per
locatie het aantal sonderingen per minuut, het aantal
verwerkte prooien per minuut en het percentage
succesvolle sonderingen berekend. De relatie van
deze drie responsvariabelen met de verklarende
variabelen werd vervolgens geanalyseerd met
behulp van ‘all-subsets-regression’. Omdat
bij foerageerprotocollen gemaakt buiten de
proefvlakken, uitsluitend het aantal regenwormen
en emelten in de bovenste 10 cm van de bodem,
biomassa prooidieren in de bovenste 10 cm,
bodemvochtigheid en indringingsweerstand werden
bepaald, werden uitsluitend deze variabelen als
verklarende variabelen in de modellen opgenomen.
Daarnaast werd Datum in de modellen opgenomen.
Bij het percentage succesvolle sonderingen werd
uitgegaan van een binomiale verdeling van de
restvariantie en werd een logit link-functie gebruikt.
De restvariantie van de overige variabelen was bij
benadering normaal verdeeld.
3.3. Resultaten
3.3.1. Weersomstandigheden
Het verloop van de temperatuur en de neerslag
staat weergegeven in fig. 3.5. Tijdens de eerste
bemonsteringsronde, van 8 tot 10 maart, was
sprake van vorst aan de grond. Dit kan een aantal
van de gemeten variabelen beïnvloed hebben
en was reden waarom in Hetter op 9 maart geen
indringingsweerstand van de bevroren grond is
bepaald. April werd gekenmerkt door een langdurig
periode van droogte. Tussen 4 en 29 april viel in
totaal 2.7 mm neerslag. Begin mei was vervolgens
nat en koud, waarna het in de tweede helft van mei
weer behoorlijk droog was (tussen 13 en 28 mei 2.4
mm neerslag).
3.3.2. Effecten van waterpeilverhoging en
bemesting
Tabel 3.1 geeft een overzicht van de resultaten van