Habitatmodellierung in GIMOLUS Verwendung der logistischen Regression zum Quantifizieren von...

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

02.07.2003 AGIT Rudner, Schröder, Biedermann & Müller GIMOLUS

Motivation und Fragestellung

Notwendigkeit für GIMOLUS• Hohe Relevanz der Methode in Naturschutz und ökologischer Forschung• Notwendigkeit der Vermittlung des entsprechenden Methodenrepertoires

M O

T I

V A

T I

O N

Zweck der Habitatmodellierung• Regionalisierung von biotischer Information• räumlich explizite Vorhersage von Vorkommen einer Art

auf der Grundlage von Umweltinformation

Ziel von GIMOLUS• Integration aller Arbeitsschritte der Methode in Lernmodule • mit praxisnahen Beispielen,• hohem Grad an Interaktivität,• einfachen technischen Anforderungen an die Nutzer/innen


Inhalt

• Habitatmodellierung

mit der logistischen Regression

• Gimolus

• Lernmodule

• Arbeitsgang (WebGIS/Modulseiten)

I N H

A L

T


Umweltdaten

DGMStatistik

Validierung

Präsenz-Absenzdaten der Arten

&

Pro

gn

ose

Vorkommen

Nichtvorkommen

Modell Daten [0|1] Daten [Mw.]

4 5 6 70,0

0,2

0,4

0,6

0,8

1,0

Vo

rko

mm

en

sw

ah

rsc

he

inli

ch

ke

it

Habitatfaktor

NutzungBoden

Räumlich explizite Vorhersage des Vorkommens von Pflanzen- und Tierarten

H A

B I

T A

T M

O D

E L

L I

E R

U N

G


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


Lernmodul

Einstieg

Anleitung

Inhalt

Material

Unterstützung

Vir

tuelle

Lan

dsc

haftLerneinheit

Einführung

Univariat

Multiple Regression

Modellbewertung

Validierung

Virtuelles Problem

Umsetzung

Modulinhalt

Räumlich explizite Habitat-

modellierung

(Aufgabe)

M O

D U

L S

T R

U K

T U

R


HabitatmodellierungSchritt für Schritt

Bewertung

Klassifikation

Validierung

Diskussion

Prognose

Ökol. Interpretation

Modellbildung

Probenahme

Aufgabenstellung

Funktionsebenen

WebGISHTML-Viewer

PHP/SQL-Skripte

ProbenahmeDatenzugriff

Kartenerzeugung

Klassifikation

Datenzugriff (lokal)

M O

D U

L S

T R

U K

T U

R

Programmseitenbenutzerfreundlich

keine Lizenzgebühren

HTML/JavaScript

eingebettetesJava-Applet

serverseitigWin-exe-Programm

serverseitigWin-exe-Programm


Link zum WebGIS

P R

O B

E N

A H

M E

02.07.2003 AGIT Rudner, Schröder, Biedermann & Müller GIMOLUSP R

O B

E N

A H

M E

Arbeitsschritte• Aktivieren der Probenahme• Aufruf der Probenahme• • • • •

Arbeitsschritte• Aktivieren der Probenahme• Aufruf der Probenahme• Festlegen der Sampling Strategie• Erzeugen der Probeflächen• • •


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


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)

Tra

inin

gsda

ten

Tes

tda

ten

P R

O B

E N

A H

M E


Dateneingabe(Zwischenablage)

Variablenauswahl

Ergebnis• Deskriptive Statistik• Modellparameter• Datenreihen

M O

D E

L L

I E

R U

N G

S S

E I

T E

02.07.2003 AGIT Rudner, Schröder, Biedermann & Müller GIMOLUSV I

S U

A L

I E

R U

N G

Univariate Modelle

Bivariates Modell

02.07.2003 AGIT Rudner, Schröder, Biedermann & Müller GIMOLUSR Ä

U M

L I

C H

E

E X

T R

A P

O L

A T

I O

N

Gültigkeitsbereich der Ebene ‚Vorkommenswahrscheinlichkeit‘

Default-Wert 0.5


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-PunktrasterErgebnis: Pseudo-Grid in Maßstäben < 1: 20.000


U M

L I

C H

E

E X

T R

A P

O L

A T

I O

N

Vergleich Prognoseergebnis und unabhängige Variablenin Maßstäben > 1: 15.000


Klassifikationsschwellenwert

R Ä

U M

L I

C H

E

E X

T R

A P

O L

A T

I O

N

VorkommenNichtvorkommen


U M

L I

C H

E

E X

T R

A P

O L

A T

I O

N

Größerer Flächenanteil von positiven Prognosennach Absenken des Klassifikations-Schwellenwerts

VorkommenNichtvorkommen


Validierung

V A

L I

D I

E R

U N

G

Präsenz-Absenz-Datender Arten

Vorkommensprognose [0|1]

VERGLEICH

&

Testdatensatz

Daten aus der virtuellen Landschaft

VERGLEICH

Anwendung des erzeugten Modells

für den Testdatensatz


Vorteile und Grenzen

R E

S U

M E

E

Vorteile Grenzen

Aufwand Zeitlich (Einarbeitung) &finanziell (Lizenzgebühren)gering

GIMOLUS-Zugang

E-learning Asynchrones LernenUnabhängiges Lernen

Einbindung in Lehr-veranstaltung notwendig

Didaktik Interaktive ÜbungenAngewandte AufgabenTransfer von Gelerntem inneue Situationen

Rückkopplung nötig,Lernende nicht alleine lassen

GroßeAufgabe

Kompletter Arbeitsgang derHabitatmodellierung wirdabgebildet

Bearbeitungszeit (> 2 Std.)stößt an Grenzen(Akzeptanzproblem)

Habitatmodellierung in GIMOLUS Verwendung der logistischen Regression zum Quantifizieren von...

Documents

Transcript of Habitatmodellierung in GIMOLUS Verwendung der logistischen Regression zum Quantifizieren von...