Michael RUDNER 1 , Boris SCHRÖDER 1 , Robert BIEDERMANN 1 , Mark MÜLLER 2

1. Habitatmodellierung in GIMOLUS Verwendung der logistischen Regression zum Quantifizieren von Art-Habitat-Beziehungen in webGIS-basierten e-learning Modulen Michael RUDNER1, Boris SCHRÖDER1, Robert BIEDERMANN1, Mark MÜLLER2 1 AG Landschatsökologie, Carl von Ossietzky Universität Oldenburg, D‑26111 Oldenburg 2 ILPÖ, Universität Stuttgart, Keplerstraße 11, D‑70174 Stuttgart A G I T 2 0 0 3

2. Motivation und Fragestellung • Zweck der Habitatmodellierung • Regionalisierung von biotischer Information • räumlich explizite Vorhersage von Vorkommen einer Art auf der Grundlage von Umweltinformation • Notwendigkeit für GIMOLUS • Hohe Relevanz der Methode in Naturschutz und ökologischer Forschung • Notwendigkeit der Vermittlung des entsprechenden Methodenrepertoires • Ziel von GIMOLUS • Integration aller Arbeitsschritte der Methode in Lernmodule • mit praxisnahen Beispielen, • hohem Grad an Interaktivität, • einfachen technischen Anforderungen an die Nutzer/innen M O T I V A T I O N Rudner, Schröder, Biedermann & Müller GIMOLUS

3. Inhalt • Habitatmodellierung mit der logistischen Regression • Gimolus • Lernmodule • Arbeitsgang (WebGIS/Modulseiten) I N H A L T Rudner, Schröder, Biedermann & Müller GIMOLUS

4. 1,0 Modell Daten [0|1] 0,8 Daten [Mw.] DGM 0,6 Vorkommenswahrscheinlichkeit 0,4 Nutzung Statistik 0,2 & 0,0 4 5 6 7 Habitatfaktor Boden Präsenz-Absenzdaten der Arten Prognose Validierung Vorkommen Nichtvorkommen Räumlich explizite Vorhersagedes Vorkommens von Pflanzen- und Tierarten Umweltdaten H A B I T A T M O D E L L I E R U N G Rudner, Schröder, Biedermann & Müller GIMOLUS

5. GIS- und Modell-basierte Lernmodule für umweltbezogene Studiengänge • Internetbasiert • webGIS-basierte virtuelle Landschaft • alle notwendigen Programme sind integriert (keine Lizenzkosten) • Voraussetzungen: • aktueller Browser, • Plug-Ins (Flash, JRE, ESRI-Java) • weitere Vorträge auf der AGIT 2003: • Christian Makala und Martin Horsch Landschaftsplanung • Mark Müller und Giselher Kaule Technik • Fridjof Schmidt u. Uwe Ehret Hydrologie • www.gimolus.de G I M O L U S Rudner, Schröder, Biedermann & Müller GIMOLUS

6. Modulinhalt Lernmodul Lerneinheit Einführung Räumlich explizite Habitat- modellierung (Aufgabe) Einstieg Univariat Virtuelle Landschaft Anleitung Multiple Regression Inhalt Modellbewertung Validierung Material Virtuelles Problem Unterstützung Umsetzung M O D U L S T R U K T U R Rudner, Schröder, Biedermann & Müller GIMOLUS

7. Habitatmodellierung Schritt für Schritt WebGIS HTML-Viewer PHP/SQL-Skripte Programmseiten benutzerfreundlich keine Lizenzgebühren Aufgabenstellung Probenahme Datenzugriff Probenahme HTML/JavaScript Modellbildung Bewertung eingebettetes Java-Applet Ökol. Interpretation Prognose Kartenerzeugung serverseitig Win-exe-Programm serverseitig Win-exe-Programm Klassifikation Klassifikation Validierung Datenzugriff (lokal) Diskussion Funktionsebenen M O D U L S T R U K T U R Rudner, Schröder, Biedermann & Müller GIMOLUS

8. Link zum WebGIS P R O B E N A H M E Rudner, Schröder, Biedermann & Müller GIMOLUS

9. Arbeitsschritte • Aktivieren der Probenahme • Aufruf der Probenahme • Arbeitsschritte • Aktivieren der Probenahme • Aufruf der Probenahme • Festlegen der Sampling Strategie • Erzeugen der Probeflächen P R O B E N A H M E Rudner, Schröder, Biedermann & Müller GIMOLUS

10. Arbeitsschritte • Aktivieren der Probenahme • Aufruf der Probenahme • Festlegen der Sampling Strategie • Erzeugen der Probeflächen • Auswahl der zu erfassenden Parameter • Starten der Beprobung P R O B E N A H M E Rudner, Schröder, Biedermann & Müller GIMOLUS

11. Trainingsdaten Testdaten • Arbeitsschritte • Aktivieren der Probenahme • Aufruf der Probenahme • Festlegen der Sampling Strategie • Erzeugen der Probeflächen • Auswahl der zu erfassenden Parameter • Starten der Beprobung • Kopieren und Speichern der Daten(Trainings- und Testdatensatz) P R O B E N A H M E Rudner, Schröder, Biedermann & Müller GIMOLUS

12. Ergebnis • Deskriptive Statistik • Modellparameter • Datenreihen Dateneingabe (Zwischenablage) Variablenauswahl M O D E L L I E R U N G S S E I T E Rudner, Schröder, Biedermann & Müller GIMOLUS

13. Bivariates Modell Univariate Modelle V I S U A L I E R U N G Rudner, Schröder, Biedermann & Müller GIMOLUS

14. Gültigkeitsbereich der Ebene ‚Vorkommenswahrscheinlichkeit‘ Default-Wert 0.5 R Ä U M L I C H E E X T R A P O L A T I O N Rudner, Schröder, Biedermann & Müller GIMOLUS

15. R Ä U M L I C H E E X T R A P O L A T I O N Realisierung der Prognose auf einem 30 m-Punktraster Ergebnis: Pseudo-Grid in Maßstäben < 1: 20.000 Rudner, Schröder, Biedermann & Müller GIMOLUS

16. R Ä U M L I C H E E X T R A P O L A T I O N Vergleich Prognoseergebnis und unabhängige Variablen in Maßstäben > 1: 15.000 Rudner, Schröder, Biedermann & Müller GIMOLUS

17. R Ä U M L I C H E E X T R A P O L A T I O N Vergleich Prognoseergebnis und unabhängige Variablen in Maßstäben > 1: 15.000 Rudner, Schröder, Biedermann & Müller GIMOLUS

18. Vorkommen Nichtvorkommen Klassifikationsschwellenwert R Ä U M L I C H E E X T R A P O L A T I O N Rudner, Schröder, Biedermann & Müller GIMOLUS

19. Vorkommen Nichtvorkommen R Ä U M L I C H E E X T R A P O L A T I O N Größerer Flächenanteil von positiven Prognosen nach Absenken des Klassifikations-Schwellenwerts Rudner, Schröder, Biedermann & Müller GIMOLUS

20. Testdatensatz Daten aus der virtuellen Landschaft Anwendung des erzeugten Modells & VERGLEICH VERGLEICH Präsenz-Absenz-Daten der Arten Vorkommensprognose [0|1] Validierung V A L I D I E R U N G für den Testdatensatz Rudner, Schröder, Biedermann & Müller GIMOLUS

21. Vorteile und Grenzen R E S U M E E Rudner, Schröder, Biedermann & Müller GIMOLUS