Beispiele aus der Nischenmodellierung - Zoo Frankfurt
Beispiele aus der Nischenmodellierung - Zoo Frankfurt
Beispiele aus der Nischenmodellierung - Zoo Frankfurt
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
© S. Lötters et al., Uni Trier, FB VI Ökologische NischeSind diefetten Jahrevorbei?Reading 2007, Oecologia
Ökologische Nischeerträgliche biotischeInteraktion© S. Lötters et al., Uni Trier, FB VIfundamentale (abiotischbiotische)Nischerealisierte NischeG.E. Hutchinson, 1957
Ökologische NischeErreichbarkeiterträgliche biotischeInteraktion© S. Lötters et al., Uni Trier, FB VIfundamentale (abiotischbiotische)Nischepotentielle VerbreitungG.E. Hutchinson, 1957
Ökologische <strong>Nischenmodellierung</strong>- <strong>aus</strong> Informationen zur Nische lässt sich Verbreitung ableitenPERUBeispiel: Harlekinfrosch, Peru Fundpunkte diverser Quellen Grid ( x+ / x? ), auch ( x- ) Ähnlichkeit x? zu x+ (determ.(o<strong>der</strong> stochast. Prozesse)idealisierteNischeAtelopus pulcher© S. Lötters et al., Uni Trier, FB VI
Ökologische <strong>Nischenmodellierung</strong>- Klima-Nische: climate envelope models (CEM)- Klima determinierend für viele an<strong>der</strong>e ökologischeAspekte (z.B. Vegetation)- weltweite Klimamodelle verfügbar (past – present – future)© S. Lötters et al., Uni Trier, FB VI
Ökologische <strong>Nischenmodellierung</strong>BIOCLIM-geographischer versus ökologischer RaumBoxcarenvironmentalenvelopeParameter 1© S. Lötters et al., Uni Trier, FB VI“core“ (5-95%)“marginal“ (0-100%)Parameter 2
Ökologische <strong>Nischenmodellierung</strong>DOMAINDistanz (d) von x? zum nächsten (= ähnlichsten) x+ als:<strong>der</strong>en Differenz / Spannweite <strong>der</strong>Nischenvariable k in einem euklidischenp-dimensionalen Raum(p = Anzahl Variablen)x? x+© S. Lötters et al., Uni Trier, FB VIdAB=1ppk kk = 1 range(k)∑x+ x?|A−B|Parameter 1Parameter 2
Ökologische <strong>Nischenmodellierung</strong>DOMAINDistanz (d) von x? zum nächsten (= ähnlichsten) x+ als:<strong>der</strong>en Differenz / Spannweite <strong>der</strong>Nischenvariable k in einem euklidischenp-dimensionalen Raum(p = Anzahl Variablen)© S. Lötters et al., Uni Trier, FB VIx+x?dAB=1ppk kk = 1 range(k)∑|A−B|Ähnlichkeit
Ökologische <strong>Nischenmodellierung</strong>MAXENT- basiert auf größtmöglicher gleichmäßiger Verteilung <strong>der</strong>Information im Raum (= maximale Entropie)- komplexes machine-learning Verfahren(Gewichtung) nach Maximum Likelihood- Pseudoabsence-Daten© S. Lötters et al., Uni Trier, FB VI
Ökologische <strong>Nischenmodellierung</strong>DOMAINBIOMOD viele heuristische Verfahren, teilweise GISbasierteSoftware, auch freewareModellierungsprozesse müssen stets kritischhinterfragt werdeninterpretierbar; obwohl mathematischeinwandfrei (AUC) manchmal biologischunbedeutenddiverse ‘pit falls’ (z.B. Parameterwahl,Autokorrelation)Modelle liefern IdeenGoodidea,but …© S. Lötters et al., Uni Trier, FB VI
Welche Variablen?Identifikation von ‚guten‘ PrädiktorenHemidactylus turcicus© S. Lötters et al., Uni Trier, FB VIRöd<strong>der</strong>, Lötters, Glob Ecol Biogeogr (in press)
Welche Variablen?Predictorannual mean temperatureannual precipitationprecipitation seasonalityprecipitation wettest quarterprecipitation driest quarterprecipitation warmest quarterprecipitation coldest quarterIdentifikation von ‚guten‘ PrädiktorenHemidactylus turcicusmean monthly temperature rangemax temperature warmest monthmin temperature coldest monthmean temperature wettest quartermean temperature driest quarterSchoener's D0.470.520.540.720.430.610.620.750.680.630.380.76OverlapHellinger distance (modified)0.680.680.710.800.600.760.760.840.810.750.610.82© S. Lötters et al., Uni Trier, FB VI Nischenähnlichkeit nativ / invasive variert stark zwischen PrädiktorenRöd<strong>der</strong>, Lötters, Glob Ecol Biogeogr (in press)
Welche Variablen? Mögliche Verbreitung von Trachemys scripta- 375 native Populationen- 205 invasive Populationen-‚Standard‘Prädiktoren© S. Lötters et al., Uni Trier, FB VI- 5 Prädiktoren speziell auf die Ökologie abgestimmt‘annual mean temperature’ (Bio1), ‘maximumtemperature of the warmest month’ (Bio5), ‘minimumtemperature of the coldest month’ (Bio6), ‘annualprecipitation’ (Bio12), ‘precipitation of the driestquarter’ (Bio17)
© S. Lötters et al., Uni Trier, FB VI Welche Variablen?Röd<strong>der</strong> et al. Biol Inv, submitted’Standard’ Prädiktoren
Welche Variablen?© S. Lötters et al., Uni Trier, FB VI‘Natural History’ PrädiktorenRöd<strong>der</strong> et al. Biol Inv, submitted
Wie gut sind Modelle? Beispiel 1Eleutherodactylus coquiInvasive: Hawaii Native: Puerto Rico© S. Lötters et al., Uni Trier, FB VISelbst in Fällen wo das Klima nicht <strong>der</strong> limitierede Faktor für dieVerbreitung ist, können die Modelle erfolgreich angewendet werdenRöd<strong>der</strong>, North-West J <strong>Zoo</strong>l (2009)
Wie gut sind Modelle? Beispiel 1Eleutherodactylus coquiInvasive: Hawaii Native: Puerto Rico© S. Lötters et al., Uni Trier, FB VISelbst in Fällen wo das Klima nicht <strong>der</strong> limitierede Faktor für dieVerbreitung ist, können die Modelle erfolgreich angewendet werdenRöd<strong>der</strong>, North-West J <strong>Zoo</strong>l (2009)
Wie gut sind Modelle? Beispiel 2© S. Lötters et al., Uni Trier, FB VIKubalaubfroschOsteopilus septentrionalisRöd<strong>der</strong> & Weinsheimer, J Nat Hist (2009)
Wie gut sind Modelle? Beispiel 2© S. Lötters et al., Uni Trier, FB VIInvasive Verbreitung Vorhersage basierend aufOsteopilus septentrionalisnativer VerbreitungRöd<strong>der</strong> & Weinsheimer, J Nat Hist (2009)
Anwendungsbeispiele: DiversitätsmusterMultiple-species approach:Identifikation von Regionen mithohem Artenreichtum (Endemismus) hohe Schutzwürdigkeit!© S. Lötters et al., Uni Trier, FB VI
Anwendungsbeispiele: DiversitätsmusterMultiple-species approach- Nischenmodelle aller terrestrischenVertebraten-Arten-overlaytop 10%priority© S. Lötters et al., Uni Trier, FB VIMaximum Entropy
Global warming – das große Artensterben?Wie können Arten reagieren?- Anpassung (niche shift): ???© S. Lötters et al., Uni Trier, FB VI
Niche shiftDisturbance-vicarianceHypothese bei HarlekinfröschenAtelopus© S. Lötters et al., Uni Trier, FB VI
Niche shiftDisturbance-vicarianceHypothese bei HarlekinfröschenMiozän (kalt)Atelopus© S. Lötters et al., Uni Trier, FB VIHolozän (warm)
Niche shiftDisturbance-vicarianceHypothese bei HarlekinfröschenErwartung 1: climate envelope shiftAtelopus© S. Lötters et al., Uni Trier, FB VITemperaturHolozän140.00021.000heute
Niche shiftDisturbance-vicarianceHypothese bei HarlekinfröschenErwartung 1: climate envelope shiftErwartung 2: potentielle AllopatrieAtelopus© S. Lötters et al., Uni Trier, FB VITemp[°C]Lötters et LGM al. Biodiv Conserv, submittedheute
Niche shiftDisturbance-vicarianceHypothese bei HarlekinfröschenErwartung 1: climate envelope shiftErwartung 2: potentielle Allopatrie© S. Lötters et al., Uni Trier, FB VITemp[°C]Lötters et LGM al. Biodiv Conserv, submittedheuteMaximum Entropy
Global warming – das große Artensterben?Wie können Arten reagieren?- Anpassung (niche shift): ???, eher unwahrscheinlich, zu schnell- gar nicht nötig, da Nische breit genug (niche breadth): ???© S. Lötters et al., Uni Trier, FB VI
Nische breit genug?Bei ErwärmungRealisierte SpanneFundamentale NischeTemperatur© S. Lötters et al., Uni Trier, FB VITemperatur
Nische breit genug?Bei ErwärmungRealisierte SpanneFundamentale NischeTemperatur© S. Lötters et al., Uni Trier, FB VITemperatur
Global warming – das große Artensterben?Wie können Arten reagieren?- Anpassung (niche shift): ???, eher unwahrscheinlich, zu schnell- gar nicht nötig, da Nische breit genug (niche breadth): ???- Translokation: horizontal/vertikal (niche conservatism geogr. range shift)© S. Lötters et al., Uni Trier, FB VI
TranslokationBeispiel Dendrobates leucomelas- Mögliche Verbreitung 2100 größer- Qualität in heutiger Verbreitung nimmt 2100 abrange shiftmöglich?Maximum Entropy21,000 BP (LGM) heute 2 x CO 2 (ca. 2100)
TranslokationBeispiel Ameerega flavopicta- Mögliche Verbreitung 2100 kleiner- Heutiges Areal 2100 weniger abgedecktrange shiftnicht möglich© S. Lötters et al., Uni Trier, FB VIMaximum Entropy21,000 BP (LGM) heute 2 x CO 2 (ca. 2100)
© S. Lötters et al., Uni Trier, FB VI Global warming – Verän<strong>der</strong>ungen in EuropaVerluste Gewinne
Global warming – Verän<strong>der</strong>ungen in Europa© S. Lötters et al., Uni Trier, FB VIAraújo et al. 2006, J Biogeogr; Henle et al. 2008, unpubl. Report
Vielen Dank für Ihre AufmerksamkeitDanksagungFür gute Betreuung / Zusammenarbeit / Bereitstellung von DatenWolfgang Böhme, Joseph Bernardo, Jon Bielby, Jaime Bosch, Matthew Fisher,Trenton W. Garner, Jan Habel, Célio B. F. Haddad, Robert J. Hijmans, JosKielgast, Enrique La Marca, Steffen Reichle, Mirco Solé, SebastianSchmidtlein, Michael Veith, Susan F. Walker, Philipp Wagner, FrankWeinsheimer© S. Lötters et al., Uni Trier, FB VIFür finanzielle Unterstützung-Graduiertenför<strong>der</strong>ung des Landes Nordrhein-Westfalen-Alexan<strong>der</strong> Koenig Gesellschaft-Universität Trier-Deutsche Gesellschaft für Herpetologie und Terrarienkunde