Sampling Design

Datenerhebung auf systematisch im Raster angeordneten Erhebungsflächen

Wie können räumliche Muster der Vegetation möglichst bearbeiterunabhängig erfasst und zu anderen ökosystemaren Parametern (Störung, Standort, Struktur) in Beziehung gebracht werden?

Grundsätzlich lassen sich drei Strategien zur Datenerhebung unterscheiden. Die Aufnahmeflächen (im folgenden Plots) können präferenziell, zufällig, oder systematisch angeordnet werden. Präferenziell verteilte Plots verlangen eine umfassende Vorerkundung und eine vorhandene Kenntnis des Untersuchungsgebietes um die "richtigen" Orte für die Platzierung der Plots auszuwählen. Die Ergebnisse werden demnach zwischen einzelnen Wissenschaftlern, Arbeitsgruppen oder gar Schulen erheblich variieren. Dieser Ansatz ist also weder für längerfristige Monitoringaufgaben noch bei erwünschter Übertragbarkeit und Reproduzierbarkeit geeignet. Außerdem können mit diesem Vorgehen räumliche Muster schwerlich beschrieben werden.

"Zufallsverteilte Aufnahmeflächen sind notwendig, wenn der Ökologe Wahrscheinlichkeitsstatistik verwenden möchte, um seine Ergebnisse abzusichern" (Mueller-Dombois & Ellenberg 1974). Reiter (1993) konstatierte jedoch dass der Erhebungsaufwand bei Zufallsflächen sehr hoch ist und schon Austin (1981) fand, dass bei zufällig verteilten Plots mehr Flächen notwendig sind, um die gleiche statistische Signifikanz zu erreichen wie bei der Aufnahme auf systematisch verteilten Plots. Außerdem - und das ist im Kontext dieses Projektes viel bedeutender - können raumzeitliche Veränderungen so nicht untersucht werden (Austin 1981).

Bei einer systematischen Anordnung der Plots hingegen, kann die Variation der Vegetation erfasst und objektiv aufgenommen werden, da die Aufnahmeflächen nicht subjektiv bestimmt sind (Traxler 1998). Dieser Ansatz mag zwar recht unflexibel erscheinen, aber positive Erfahrungen in der eigenen Arbeitsgruppe zeigen, dass damit effektiv räumliche Muster erfasst werden können (Schmiedinger 1998, Neßhöver 1999, Retzer 1999, Beierkuhnlein 2000).
Viele Autoren verweisen auf die Probleme räumlicher Autokorrelationen (e.g. Ruggiero et al. 1998, Fortin 1999, Cole et al. 2001). Bezüglich des Problems von Autokorrelation stellte Legendre (1993) die Frage "Spatial autocorrelation - Trouble or New Paradigm?" Meiner Meinung nach, ist letzteres die richtige Antwort.

Allerdings ist entgegen dieser Feststellung die Implementation von regelmäßigen Anordnungen von Aufnahmeplots auf den mittleren Skalenebenen (ökosystemare bis landschaftliche Ebene) bisher kaum verwirklicht worden wohingegen auf nationaler oder kontinentaler Ebene häufiger rasterbasierte Ansätze Verwendung finden (e.g. White et al. 1992, Gaston & Rodriguez 2003, Hortal et al. 2004, Weber et al. 2004).

Das hexagonale Raster

Bei der Verwendung quadratischer Raster sind die Entfernungen zu benachbarten Flächen nicht gleich (Abbildung 1a). Das ist problematisch, wenn Distanz- oder Ähnlichkeitsmaße wie die Euklidische Distanz oder der Sörensen-Index benutzt werden. Mit diesen wird ein Abstand im Datenraum berechnet. Die errechneten Ergebnisse können natürlich nur dann als gleichrangig betrachtet werden, wenn die tatsächlichen räumlichen Distanzen zwischen den Plots gleich sind, da die Ähnlichkeit zwischen Untersuchungsflächen eine Funktion des Abstandes ist (Tobler 1970, Nekola & White (1999).

Der nächste problematische Punkt könnte mit dem Begriff Doppelung beschrieben werden: Wenn die Ähnlichkeiten zwischen einem Plot und allen seinen Nachbarn berechnet werden, so ergeben sich im rechteckigen Raster in der diagonalen zwei Ergebnisse an einer Stelle (vgl. Abb. 1a). Eine Mittelwertbildung wäre hier völlig unzulässig, da dann nicht mehr die Ähnlichkeitsverhältnisse zwischen den Plots dargestellt werden. In früheren Arbeiten (Beierkuhnlein 1999) versuchte man diesem Problem mit einem Moving-Window Ansatz und der Berechnung gleitender Mittelwerte gerecht zu werden. Auch bei anderen Autoren (Gaston et al. 2001, Lennon et al. 2001) finden sich Umgehungen des Problems. Bei den genannten werden die Ähnlichkeiten zu allen acht benachbarten Rasterzellen berechnet und der Mittelwert der Zelle zugewiesen. Bei der Verwendung hexagonaler Raster treten die genannten Probleme nicht auf: Alle Flächen sind equidistant (auf einer Vergleichsebene) und es gibt keine Doppelungen (vgl. Abb. 1b).

Rechteckiges bzw. quadratisches Raster versus Hexagonales Raster.

Die beschriebenen und weitere Gründe für die Benutzung des hexagonalen Rasters in einer pdf-Datei (english).

< top