Vorhersagen der räumlichen Verteilung mariner Arten und Identifizierung prioritärer Schutzgebiete – Vergleich und Kopplung von Nahrungsnetzmodellen mit hierarchischen Bayes-Modellen

• Antragstellerin: Dr. Jennifer Rehren
• Fachliche Zuordnung: Ökologie und Biodiversität der Tiere und Ökosysteme, Organismische Interaktionen
• Förderung: Förderung von 2019 bis 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 414356701

Marine Ökosysteme sind durch zahlreiche anthropogene Einflüsse stark belastet, zu denen vor allem die Übernutzung von Ressourcen zählt. Meeresschutzgebiete sind ein wichtiges Instrument, um anthropogene Belastungen zu reduzieren und den Erhalt der Funktionsfähigkeit mariner Ökosysteme sicher zu stellen. Für eine erfolgreiche Identifizierung und Priorisierung geeigneter Schutzgebiete ist es notwendig, die geografische Verteilung der lokalen Artenvielfalt sowie der Hauptfangarten zu verstehen. Hierfür wurden eine Vielzahl unterschiedlicher statistischer Methoden zur Vorhersage der räumlichen Artenverteilung sowie Planungsalgorithmen zur Identifizierung von Schutzgebieten entwickelt. Allerdings sind die resultierenden Vorhersagen immer mit einem gewissen Grad an Unsicherheit verbunden. Obwohl, Kenntnisse über das Ausmaß solcher Unsicherheiten die Entscheidungsprozesse angesichts hoher Risiken erleichtern und die Adaption von Managementplänen ermöglichen, sind sie selten in Planungsinstrumenten berücksichtigt. Zudem werden meistens nur Umweltfaktoren in korrelative Artenverteilungsmodelle und Planungsalgorithmen einbezogen, obwohl auch ökologische Prozesse und anthropogene Faktoren eine große Rolle spielen können. Somit ist ein wichtiger Schritt für die Verbesserung der Vorhersage der Artenverteilung und für eine bessere Identifizierung von potenziellen Schutzgebieten, die Entwicklung neuer Ansätze, welche auch ökologische und anthropogene Faktoren einbeziehen und Schätzungsunsicherheiten quantifizieren. Bayesian hierarchical species distribution (B-HSD) modelling ist ein neuartiger Ansatz, der es ermöglicht die räumlichen Zufallseffekte, die räumliche Korrelation der Variablen und die Unsicherheit der Parameter in den Modellierungsprozess einzubinden. Dies führt zu einer realistischeren und präziseren Schätzungsunsicherheit. Ökologische und anthropogene Faktoren können hingegen in mechanistischen Modellen explizit berücksichtigt werden. Das Ecospace habitat capacity (E-HFC) Model ermöglicht es beispielsweise, das Nahrungssuchverhalten von Arten, beeinflusst durch physikalische, ozeanografische, ökologische und anthropogene Effekte sowie trophische Wechselwirkungen, räumlich zu modellieren. Zudem ermöglicht die Nutzung der ‚objective function‘ im E-HFC-Model die Identifizierung von Schutzgebieten. Wie die meisten anderen Ökosystemmodelle und Planungsalgorithmen quantifiziert es allerdings nicht den Grad der Schätzungsunsicherheit bei der Vorhersage der Artenverteilung. Das Ziel dieser Arbeit ist es daher, die Komplementarität und Anwendbarkeit der B-HSD-Modellierung und des E-HFC-Models in der Vorhersage der räumlichen Verteilung mariner Arten und der Priorisierung von Meeresschutzgebieten zu untersuchen. Hierzu verwende ich das tropische Flachwassersystem Chwaka Bay (Sansibar, Tansania) als Fallstudie. Dabei soll das E-HFC-Model weiterentwickelt und zur Entwicklung von Hybridansätzen für die Vorhersage der Artenverteilung beigetragen werden.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: Spanien
• Gastgeberinnen: Marta Coll Monton, Ph.D.; Maria Grazia Pennino, Ph.D.