Methodenvergleich von graphenbasierten Modellen zur Vorhersage von Artenvorkommen

Method comparison of graph based models for species occurence prediction

  • Dem Moment der Vorhersage kommt eine zentrale Rolle innerhalb der Konzepte der ökologischen Modellierung zu. Flächendeckende Information ist durch die gegenwärtigen Möglichkeiten der Fernerkundung auf die integrative Charakterisierung von größeren Ausschnitten der Landschaft beschränkt, eine Ermittlung einzelner Arten oder Lebensgemeinschaften ist nicht sinnvoll möglich. Deshalb werden Ausschnitte der Landschaft in Form mehr oder weniger repräsentativer Untersuchungsflächen 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 verfügbaren Eigenschaften der Landschaft bzw. der Umwelt der Organismen als Parameter verrechnen, ist die gängige Praxis in der Modellierung. Im Zusammenwirken von punktueller Erfassung der Zielorganismen, (Satelliten-)Fernerkundung, Autökologie und Statistik entsteht ein Abbild der Wirklichkeit als Modell, das in jedemDem Moment der Vorhersage kommt eine zentrale Rolle innerhalb der Konzepte der ökologischen Modellierung zu. Flächendeckende Information ist durch die gegenwärtigen Möglichkeiten der Fernerkundung auf die integrative Charakterisierung von größeren Ausschnitten der Landschaft beschränkt, eine Ermittlung einzelner Arten oder Lebensgemeinschaften ist nicht sinnvoll möglich. Deshalb werden Ausschnitte der Landschaft in Form mehr oder weniger repräsentativer Untersuchungsflächen 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 verfügbaren Eigenschaften der Landschaft bzw. der Umwelt der Organismen als Parameter verrechnen, ist die gängige Praxis in der Modellierung. Im Zusammenwirken von punktueller Erfassung der Zielorganismen, (Satelliten-)Fernerkundung, Autökologie 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 –vergrößerung wird vermieden, je einfacher die Modelle sind, wobei gleichzeitig eine Einbeziehung verfügbarer und wahrscheinlich wichtiger Information unterbleibt, so dass von Seiten des Modellierers eine Abwägung 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 Probeflächen in Südost-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 Aktivität von 49 Libellenarten mit Frequenzen zwischen 0,6 und 74,1 % dokumentiert. Die Beobachtungsdaten wurden verwendet, um mit Hilfe einfacher graphenbasierter topographischer Modelle Vorhersagen über das Vorkommen von Arten zu machen. Als Modelle wurden Delaunay-Triangulationen, Gabriel-Graphen, Minimal spannende Bäume, Graphen über die nächsten Nachbarn, sowie Voronoi-Diagramme verwendet. Außerdem wurde mit Hilfe der Methode des ‚leave-one-out’ über 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 gegenübergestellt. Dabei ist deutlich geworden, dass es Modellpaare gibt, sehr hoch miteinander korreliert sind. Es wurde geprüft, 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 abhängig sind. Solche Abhängigkeiten 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 Flächen als Knoten einen Einfluss auf die Übereinstimmung der Vorhersageergebnisse nimmt. Zur Vorhersagegüte wird die gängige Praxis, die Vorhersage des verwendeten Modells an den zugrunde liegenden Beobachtungen zu messen, grundsätzlich kritisiert, da der Modellcharakter der Beobachtungen nicht ausreichend reflektiert und die Beobachtungen von unbekannter Güte sind. Es wird daher vorgeschlagen, die in dieser Untersuchung verglichenen Modelle mit den adäquaten ‚modellierten Beobachtungen’ als Maßstab der Vorhersagegüte zu vergleichen. Aus diesem und anderen Gründen werden die Voronoi-Diagramme bzw. die dazu dualen Delaunay-Triangulationen als ‚beste Modelle’ herausgestellt, wobei die ähnlichen Gabriel-Graphen eine vergleichbare Güte erreichen können.show moreshow less
  • Prediction is evident within concepts for ecological modelling. Getting comprehensive information is restricted to integrative characterisation of landscape sectors due to recent abilities of remote sensing. Furthermore, the detection of single species or biocoenosises can not be achieved in a reasonable way. Therefore more or less representative study areas will be investigated intensively, followed by an interpolation or extrapolation process or conclusion by analogy incorporating for the remaining landscape. Using statistical models of high complexity with implication of observer determined parameters or properties of the landscape or the species’ environment is state of the art in ecological modelling. The combination of different methods like point detection of target organisms, remote sensing (by sattelites), autecology and statistics will result in a model which reflects reality at its best. This combination process will produce or adjust or exponentiate errors and uncertainties, particularly while interpreting. This can bePrediction is evident within concepts for ecological modelling. Getting comprehensive information is restricted to integrative characterisation of landscape sectors due to recent abilities of remote sensing. Furthermore, the detection of single species or biocoenosises can not be achieved in a reasonable way. Therefore more or less representative study areas will be investigated intensively, followed by an interpolation or extrapolation process or conclusion by analogy incorporating for the remaining landscape. Using statistical models of high complexity with implication of observer determined parameters or properties of the landscape or the species’ environment is state of the art in ecological modelling. The combination of different methods like point detection of target organisms, remote sensing (by sattelites), autecology and statistics will result in a model which reflects reality at its best. This combination process will produce or adjust or exponentiate errors and uncertainties, particularly while interpreting. This can be avoided using simple models. In the same way, the introduction of available and probably important information will be suppressed. Thus, a modeller will trade simple models with less errors against complex models with more errors. Here, simple models had been prefered. In south east Brandenburg 158 study sites (county Spree-Neiße-Kreis, city of Cottbus, county Landkreis Dahme-Spreewald, county Landkreis Oberspreewald-Lausitz) were investigated. The number of 37 orthoptera species were detected. The detection frequencies were calculated between 0.6 % and 99.4 %. In addition, the activities of 49 odonata species were documented. In this species groups the detection frequencies have been calculated between 0.6 % and 74.1 %. The observation data were used to predict the species’ occurrence using simple graph based topographic models. The models Delaunay triangulation, Gabriel graphs, minimum spanning trees, nearest neighbour graphs and voronoi tessellations were used. Furthermore, ‘modelled observations’ were calculated by the method of leave-one-out, which were included into the study. For model comparison every model were pairwise compared to all other ones including the ‘modelled observations’. The existence of very high correlated model pairs became apparent. The influence of the number of neighbours, the relations between numbers of known and numbers of unknown neighbours, the weighting of single neighbours, and the distances between neighbours were examined. There are no or only weak dependencies. It is obvious, that the construction of graphs (meaning the choice of model) as well as the internal structure of the graph influence the result of prediction as. Even as it is state of the art in modlling, it was fundamentally criticised to measure the predictive power of a model by comparing it with the observation. The modelling character of observation is not reflected adequately in the modelling literature. Furthermore, the observation quality is not known. That is why it is recommended to compare models with adequate modelled observations to get a standard of prediction quality. For this and other reasons, the Voronoi tessellation and the dual Delaunay triangulation became apparent as ‘best models’. The similar Gabriel graphs can produce results of comparable quality.show moreshow less

Download full text files

Export metadata

Additional Services

Search Google Scholar Stastistics
Metadaten
Author: Jörn Vorwald
URN:urn:nbn:de:kobv:co1-opus-4667
Referee / Advisor:Prof. Dr. Gerhard Wiegleb
Document Type:Doctoral thesis
Language:German
Year of Completion:2008
Date of final exam:2008/01/11
Release Date:2008/08/26
Tag:Caelifera/ Ensifera; Graphentheorie; Odonata; Vorhersage von Artvorkommen; Ökologische Modellierung
Caelifera/ Ensifera; Ecological modelling; Graph theory; Odonata; Species occurence prediction
GND Keyword:Umweltökonomie; Dynamische Modellierung; Graphentheorie; Landschaftsökologie; Angewandte Landschaftsökologie
Institutes:Fakultät 2 Umwelt und Naturwissenschaften / FG Ökologie
Institution name at the time of publication:Fakultät für Umweltwissenschaften und Verfahrenstechnik (eBTU) / LS Allgemeine Ökologie
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.