@phdthesis{Vorwald2008, author = {Vorwald, J{\"o}rn}, title = {Methodenvergleich von graphenbasierten Modellen zur Vorhersage von Artenvorkommen}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus-4667}, school = {BTU Cottbus - Senftenberg}, year = {2008}, abstract = {Dem Moment der Vorhersage kommt eine zentrale Rolle innerhalb der Konzepte der {\"o}kologischen Modellierung zu. Fl{\"a}chendeckende Information ist durch die gegenw{\"a}rtigen M{\"o}glichkeiten der Fernerkundung auf die integrative Charakterisierung von gr{\"o}ßeren Ausschnitten der Landschaft beschr{\"a}nkt, eine Ermittlung einzelner Arten oder Lebensgemeinschaften ist nicht sinnvoll m{\"o}glich. Deshalb werden Ausschnitte der Landschaft in Form mehr oder weniger repr{\"a}sentativer Untersuchungsfl{\"a}chen intensiv untersucht und durch Interpolation/ Extrapolation oder Analogieschluss auf den Rest der Landschaft geschlossen. Die Verwendung z. T. hochkomplexer statistischer Modelle, die einen vom Beobachter bestimmten Ausschnitt aus allen verf{\"u}gbaren Eigenschaften der Landschaft bzw. der Umwelt der Organismen als Parameter verrechnen, ist die g{\"a}ngige Praxis in der Modellierung. Im Zusammenwirken von punktueller Erfassung der Zielorganismen, (Satelliten-)Fernerkundung, Aut{\"o}kologie und Statistik entsteht ein Abbild der Wirklichkeit als Modell, das in jedem Verarbeitungsschritt (insbesondere in den Interpretationsschritten) Fehler und Unsicherheiten erzeugt, fortschreibt und/oder potenziert. Diese Fehlerfortschreibung und -vergr{\"o}ßerung wird vermieden, je einfacher die Modelle sind, wobei gleichzeitig eine Einbeziehung verf{\"u}gbarer und wahrscheinlich wichtiger Information unterbleibt, so dass von Seiten des Modellierers eine Abw{\"a}gung vorzunehmen ist, ob einfache und weniger fehlerbehaftete oder aber komplexe und fehlerbehaftete Modelle vorzuziehen sind. In der vorliegenden Auswahl wurden die einfachen Modelle bevorzugt. Auf 158 Probefl{\"a}chen in S{\"u}dost-Brandenburg (Spree-Neiße-Kreis, Stadt Cottbus, Landkreis Dahme-Spreewald, Landkreis Oberspreewald-Lausitz) wurden 37 Heuschreckenarten mit Frequenzen zwischen 0,6 und 99,4 \% nachgewiesen, sowie die Aktivit{\"a}t von 49 Libellenarten mit Frequenzen zwischen 0,6 und 74,1 \% dokumentiert. Die Beobachtungsdaten wurden verwendet, um mit Hilfe einfacher graphenbasierter topographischer Modelle Vorhersagen {\"u}ber das Vorkommen von Arten zu machen. Als Modelle wurden Delaunay-Triangulationen, Gabriel-Graphen, Minimal spannende B{\"a}ume, Graphen {\"u}ber die n{\"a}chsten Nachbarn, sowie Voronoi-Diagramme verwendet. Außerdem wurde mit Hilfe der Methode des ‚leave-one-out' {\"u}ber einige Graphen ‚modellierte Beobachtungen' berechnet. Zum Modellvergleich wurden alle Modelle gegen alle anderen unter Einbeziehung der Beobachtungen und der ‚modellierten Beobachtungen' hinsichtlich der Korrelation der Arten-Vektoren paarweise gegen{\"u}bergestellt. Dabei ist deutlich geworden, dass es Modellpaare gibt, sehr hoch miteinander korreliert sind. Es wurde gepr{\"u}ft, ob die Korrelationen von der Anzahl der Nachbarn, der Relation der Zahlen der unbekannten zu den Zahlen der bekannten Nachbarn, oder der Wichtung der einzelnen Nachbarn, oder den Distanzen der Nachbarn voneinander abh{\"a}ngig sind. Solche Abh{\"a}ngigkeiten treten schwach oder gar nicht in Erscheinung. Es ist ersichtlich, dass sowohl die Konstruktion der Graphen (d. h. die Wahl des Modells), als auch die Struktur des Graphen mit den untersuchten Fl{\"a}chen als Knoten einen Einfluss auf die {\"U}bereinstimmung der Vorhersageergebnisse nimmt. Zur Vorhersageg{\"u}te wird die g{\"a}ngige Praxis, die Vorhersage des verwendeten Modells an den zugrunde liegenden Beobachtungen zu messen, grunds{\"a}tzlich kritisiert, da der Modellcharakter der Beobachtungen nicht ausreichend reflektiert und die Beobachtungen von unbekannter G{\"u}te sind. Es wird daher vorgeschlagen, die in dieser Untersuchung verglichenen Modelle mit den ad{\"a}quaten ‚modellierten Beobachtungen' als Maßstab der Vorhersageg{\"u}te zu vergleichen. Aus diesem und anderen Gr{\"u}nden werden die Voronoi-Diagramme bzw. die dazu dualen Delaunay-Triangulationen als ‚beste Modelle' herausgestellt, wobei die {\"a}hnlichen Gabriel-Graphen eine vergleichbare G{\"u}te erreichen k{\"o}nnen.}, subject = {Umwelt{\"o}konomie; Dynamische Modellierung; Graphentheorie; Landschafts{\"o}kologie; Angewandte Landschafts{\"o}kologie; {\"O}kologische Modellierung; Graphentheorie; Vorhersage von Artvorkommen; Odonata; Caelifera/ Ensifera; Ecological modelling; Graph theory; Species occurence prediction; Odonata; Caelifera/ Ensifera}, language = {de} }