Tierbeobachtungen und Erfassungswahrscheinlichkeit unterscheiden

aiMOOC

Tierbeobachtungen und Erfassungswahrscheinlichkeit unterscheiden

QR-Code

Tierbeobachtungen und Erfassungswahrscheinlichkeit unterscheiden

Dieser aiMOOC ist eine methodische Vertiefung im Fach Biologie für Lernende ab der Sekundarstufe I und enthält Erweiterungen für ältere Lernende. Du lernst, Tierbeobachtungen nicht vorschnell mit der tatsächlichen Bestandsgröße gleichzusetzen. Im Mittelpunkt stehen Stichproben, Störfaktoren, Erfassungswahrscheinlichkeit und nachvollziehbare Belege in biologischen Datenfällen. Der aiMOOC beansprucht keine vollständige Lehrplanabdeckung.

Einleitung

Wenn Du bei einer Erhebung 12 Tiere siehst und bei einer späteren Erhebung nur 8, ist der Bestand dann wirklich kleiner geworden? Nicht unbedingt. Die Zahl der beobachteten Tiere entsteht aus mindestens zwei Ebenen: dem biologischen Zustand, also etwa der Anzahl tatsächlich anwesender Tiere, und dem Beobachtungsprozess, also der Chance, diese Tiere unter den gewählten Bedingungen auch zu entdecken.

Die Erfassungswahrscheinlichkeit beschreibt in einem festgelegten Modell die Wahrscheinlichkeit, ein vorhandenes Tier oder eine vorhandene Art unter definierten Erfassungsbedingungen zu entdecken. Bei Occupancy-Modellen ist sie typischerweise die Wahrscheinlichkeit, eine Art nachzuweisen, gegeben, dass sie am Untersuchungsort vorhanden ist. Bei Zählmodellen kann sie sich auf die Wahrscheinlichkeit beziehen, ein einzelnes anwesendes Tier zu erfassen. Diese beiden Bedeutungen dürfen nicht unbemerkt vermischt werden.

MacKenzie et al. zeigten 2002 für Anwesenheitsdaten, dass ein Nichtnachweis nicht automatisch Abwesenheit bedeutet, wenn die Detektionswahrscheinlichkeit kleiner als 1 ist. Für Zähldaten beschrieb Royle 2004 N-Mixture-Modelle, die wiederholte Zählungen nutzen, um Bestandsgröße und unvollständige Erfassung statistisch zu trennen.

Lizenzhinweis zur Abbildung: PJeganathan, Birdwatching India 07.JPG, Aufnahme vom 9. Februar 2014, Wikimedia Commons, Lizenz CC BY-SA 4.0. Die Dateiseite nennt Fernglas und Feldnotizen als Motiv.

Lernziel

Nach der Bearbeitung kannst Du Wetter, Aktivität und Suchaufwand als Grenzen einer Bestandsaussage beurteilen. Du kannst erklären, warum eine Beobachtungszahl zunächst ein Stichprobenergebnis ist, Störfaktoren benennen, einen einfachen Detektionsansatz rechnen und entscheiden, welche zusätzlichen Belege für eine belastbarere biologische Aussage nötig sind.

Drei Ebenen einer biologischen Aussage

Eine saubere Auswertung trennt drei Ebenen. Die biologische Ebene betrifft den Zustand der Population oder die Nutzung eines Ortes. Die Beobachtungsebene betrifft die Chance, Vorhandenes überhaupt zu registrieren. Die Schlussebene betrifft die Aussage, die Du aus den Daten ableitest. Ein Fehler entsteht, wenn Du von einer Veränderung der Beobachtungszahl direkt auf eine Veränderung des Bestands schließt, ohne den Beobachtungsprozess zu prüfen.

Stichprobe bedeutet: Du beobachtest nur einen Ausschnitt aus Raum, Zeit oder Individuen. Störfaktor bezeichnet hier eine Einflussgröße, die die Erfassung verändert und dadurch einen scheinbaren Unterschied erzeugen oder verstärken kann. Erfassungswahrscheinlichkeit p ist eine Wahrscheinlichkeit zwischen 0 und 1. Replikation bedeutet, dass Orte oder Zeitpunkte nach einem festgelegten Protokoll wiederholt untersucht werden, damit Unterschiede im Beobachtungsprozess besser erkennbar werden.

Wetter, Aktivität und Suchaufwand

Wetter kann beeinflussen, ob Tiere aktiv, sichtbar oder hörbar sind und wie gut Beobachtende sie erkennen. O’Connell et al. nennen bei Säugetiererhebungen unter anderem Wetter, Saisonalität, Topografie, biologische Rhythmen und Erfassungsmethoden als mögliche Einflüsse auf die Detektierbarkeit.

Aktivität ist ebenfalls wichtig: Ein Tier kann anwesend sein, aber gerade nicht rufen, fliegen oder eine offene Fläche nutzen. Bei Vogelpunktzählungen wird deshalb zwischen Verfügbarkeit für die Erfassung, etwa Singen, und Wahrnehmbarkeit durch den Beobachter unterschieden.

Suchaufwand umfasst zum Beispiel Suchdauer, zurückgelegte Strecke, Zahl der Beobachtenden, Zahl der Wiederholungen und eingesetzte Methode. MacKenzie und Royle betonen, dass Ziele, Auswahl der Stichprobeneinheiten, Zeitpunkt der Wiederholungen und Verteilung des Suchaufwands zum Untersuchungsdesign gehören. Auch eBird verlangt für wissenschaftlich wertvollere Checklisten Angaben zu Startzeit, Dauer und Strecke, weil diese Informationen den Erfassungsaufwand dokumentieren.

Eigenes Datenbeispiel: Drei Amsel-Erfassungen

Das folgende Beispiel ist vollständig für diesen aiMOOC erstellt. Es sind keine veröffentlichten Amseldaten. Die Zahlen für p sind bewusst gesetzte Modellannahmen, damit Du den Unterschied zwischen Beobachtung und Erfassungswahrscheinlichkeit rechnerisch nachvollziehen kannst.

Untersucht wird derselbe 1,0-ha-Parkabschnitt an drei nahe beieinanderliegenden Tagen. Gesucht werden anwesende Amseln. Für die Übung wird angenommen, dass der lokale Bestand während dieser kurzen Zeit unverändert bleibt. Ein extern gedachtes Kalibrierverfahren liefert für die drei Erfassungsbedingungen die unten angegebenen Werte von p.

Erfassung	Uhrzeit	Suchdauer	Wetter	Aktivitätsphase	angenommene Erfassungswahrscheinlichkeit p	beobachtete Amseln C
A	07:00–07:10 Uhr	10 min	8 °C, trocken, Windstärke 1 Beaufort	früher Morgen, hohe Ruf- und Bewegungsaktivität	0,75 beziehungsweise 75 %	12 Individuen
B	11:00–11:10 Uhr	10 min	14 °C, leichter Regen, Windstärke 3 Beaufort	später Vormittag, geringere Ruf- und Bewegungsaktivität	0,50 beziehungsweise 50 %	8 Individuen
C	07:00–07:05 Uhr	5 min	8 °C, trocken, Windstärke 1 Beaufort	früher Morgen, hohe Ruf- und Bewegungsaktivität	0,50 beziehungsweise 50 %	8 Individuen

Modellannahmen: Während der drei Tage ist die Zahl N der im 1,0-ha-Abschnitt anwesenden Amseln konstant. Jedes anwesende Individuum wird innerhalb einer Erfassung mit derselben jeweils angegebenen Wahrscheinlichkeit p entdeckt. Entdeckungen werden als unabhängig modelliert. Es gibt keine Doppelzählungen und keine Fehlbestimmungen. Die angegebenen p-Werte gelten in der Aufgabe als bekannt. Mathematisch wird die Zahl der Entdeckungen vereinfacht als C ~ Binomial(N,p) gedacht; der Erwartungswert ist E(C)=N·p. Dieses Papiermodell ist didaktisch und ersetzt keine echte populationsökologische Parameterschätzung.

Nachvollziehbarer Lösungsweg

Für das vereinfachte Modell verwenden wir als anschauliche Korrektur $\hat{N}=C/p$.

1. Erfassung A: 12 Individuen / 0,75 = 16 Individuen.
2. Erfassung B: 8 Individuen / 0,50 = 16 Individuen.
3. Erfassung C: 8 Individuen / 0,50 = 16 Individuen.

Die Rohzahlen 12, 8 und 8 sehen verschieden aus. Unter den gesetzten p-Werten ergeben alle drei Erfassungen jedoch dieselbe modellhafte Schätzung von 16 Individuen. Daraus folgt nicht, dass man in realen Feldstudien einfach jede Zählung durch irgendein p teilen darf. In echten Untersuchungen ist p meist unbekannt und muss durch geeignete Wiederholungen, mehrere Beobachtende, Distanzinformation oder andere Modelle geschätzt werden; außerdem trägt auch die Schätzung von p Unsicherheit. Royles Arbeit von 2004 zeigt gerade, dass Zähldaten und Detektionswahrscheinlichkeit gemeinsam modelliert werden können, wenn das Design dazu passt.

Zwei typische Fehlschlüsse

Fehlschluss 1: „Weniger gesehen bedeutet weniger vorhanden.“ Von 12 auf 8 Beobachtungen ist im Beispiel kein belastbarer Bestandsrückgang, weil sich Wetter, Aktivitätsphase oder Suchdauer und damit p geändert haben können.

Fehlschluss 2: „Nicht gesehen bedeutet nicht vorhanden.“ Ein Nullnachweis kann auch entstehen, obwohl die Art vorhanden ist. Genau diese Unterscheidung zwischen Abwesenheit und Nichtentdeckung ist ein Kernproblem von Occupancy-Modellen.

Begründete Transferentscheidung

An Teich X hörst Du bei 20 min Suche in einer windstillen Abendphase 6 rufende Frösche. Eine Woche später hörst Du bei 10 min Suche am windigen Mittag 3 rufende Frösche. Die fachlich begründete Entscheidung lautet: Keinen Bestandsrückgang behaupten. Suchdauer, Tageszeit, Wetter und Aktivität unterscheiden sich. Zuerst sollte ein vergleichbares Protokoll mit wiederholten Erfassungen verwendet werden. Die Bedingungen müssen dokumentiert und die Nachweiswahrscheinlichkeit als Teil des Beobachtungsprozesses berücksichtigt werden. Erst dann ist eine Aussage über Veränderung besser begründbar.

Erweiterung für ältere Lernende: Occupancy und Abundanz nicht verwechseln

Occupancy beschreibt, welcher Anteil definierter Untersuchungsorte von einer Art genutzt oder besetzt ist. Abundanz beschreibt die Anzahl von Individuen in einem definierten Raum. Ein Occupancy-Modell beantwortet daher nicht automatisch die Frage „Wie viele Tiere gibt es?“. Für wiederholte Zähldaten existieren andere Modellklassen, etwa N-Mixture-Modelle. Die Wahl des Modells muss zur biologischen Frage und zum Erhebungsdesign passen.

Für ältere Lernende ist außerdem wichtig, dass p von Kovariaten abhängen kann. Eine Kovariate ist eine zusätzlich erfasste Einflussgröße, zum Beispiel Windstärke, Uhrzeit oder Suchdauer. Statistische Modelle können solche Größen nutzen, um den Beobachtungsprozess explizit zu beschreiben. Das erhöht nicht automatisch die Qualität: Ein schlecht geplantes Design bleibt problematisch, auch wenn die spätere Statistik kompliziert ist.

Video laden

YouTube

YouTube sammelt möglicherweise persönliche Daten. Datenschutzrichtlinie

Fortfahren Ausblenden

Medienhinweis: Die Aufzeichnung gehört zum virtuellen Workshop Estimating wolf occupancy with R von Olivier Gimenez vom 16. Mai 2023. Die Workshop-Seite verlinkt diese YouTube-Aufzeichnung und erklärt Occupancy-Modelle mit unvollständiger Detektion; sie ist vor allem für die Erweiterung in Sekundarstufe II und Studium gedacht.

Differenzierung nach G/M/E

G – grundlegendes Niveau: Du beschreibst Erfassungsbedingungen und ordnest Begriffe wie Stichprobe, Suchaufwand und Erfassungswahrscheinlichkeit zu.

M – mittleres Niveau: Du erklärst Zusammenhänge und berechnest im vereinfachten Modell eine korrigierte Schätzung aus C und p.

E – erweitertes Niveau: Du bewertest die Tragfähigkeit einer Bestandsaussage, vergleichst alternative Erhebungsdesigns und begründest eine Transferentscheidung unter Unsicherheit.

Offene Fachwerkstatt: Beobachtung oder Bestand?

Du arbeitest nur mit Tabellen, Papierkarten und einem Taschenrechner. Es sind keine Tierfänge, keine Eingriffe in Lebensräume und keine gefährlichen Versuchsanleitungen nötig.

Papiermodell

Lege 20 Papierkarten als modellhafte „anwesende Tiere“ auf den Tisch. Für Bedingung 1 gilt p=0,80, für Bedingung 2 p=0,40. Statt echte Zufallsversuche durchzuführen, kannst Du zwei vorbereitete Ergebnistabellen verwenden: Bedingung 1 zeigt 16 Nachweise von 20 modellhaft anwesenden Tieren, Bedingung 2 zeigt 8 Nachweise von 20. Deine Aufgabe ist nicht, die 20 Karten als reale Population nachzuahmen, sondern den Unterschied zwischen Zustand und Beobachtung sichtbar zu machen.

Schritt	Modellfrage	Eintrag
1	Was ist der biologische Zustand?	Zahl der modellhaft anwesenden Tiere N
2	Was gehört zum Beobachtungsprozess?	Erfassungswahrscheinlichkeit p
3	Was wird tatsächlich protokolliert?	beobachtete Zahl C
4	Welche Bedingungen können p verändern?	Wetter, Aktivität, Suchaufwand und Methode
5	Welche Aussage ist zulässig?	Nur eine Aussage, deren Grenzen durch Protokoll und Modell belegt sind

Checkliste für nachvollziehbare Bestandsaussagen

1. Fragestellung: Ist klar, ob Du Anwesenheit, Occupancy, Anzahl oder Trend untersuchst?
2. Stichprobe: Sind Orte und Zeiten so gewählt, dass die Zielpopulation sinnvoll repräsentiert wird?
3. Wetter: Sind Temperatur, Niederschlag und Wind soweit relevant dokumentiert?
4. Aktivität: Ist begründet, ob Tageszeit oder Saison die Sicht- oder Hörbarkeit beeinflussen können?
5. Suchaufwand: Sind Dauer, Strecke, Zahl der Beobachtenden und Methode dokumentiert?
6. Replikation: Gibt es Wiederholungen oder andere Informationen, mit denen Nichtentdeckung von Abwesenheit getrennt werden kann?
7. Vergleichbarkeit: Sind die Erfassungen nach demselben oder einem begründet angepassten Protokoll durchgeführt?
8. Unsicherheit: Wird deutlich gemacht, dass p und Bestandsparameter geschätzt und mit Unsicherheit behaftet sein können?
9. Beleg: Sind Rohdaten, Einheiten, Annahmen und Quellen nachvollziehbar angegeben?
10. Schluss: Geht die Aussage nicht weiter, als es das Erhebungsdesign erlaubt?

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Warum kann eine geringere Beobachtungszahl allein keinen Bestandsrückgang beweisen? (Weil sich die Erfassungswahrscheinlichkeit zwischen Erhebungen unterscheiden kann) (!Weil Tierzahlen grundsätzlich nie verglichen werden dürfen) (!Weil Wetter keinen Einfluss auf Tierbeobachtungen haben kann) (!Weil nur Laborversuche Aussagen über Populationen erlauben)

Was bedeutet Erfassungswahrscheinlichkeit p in einem einfachen Detektionsmodell? (Die Wahrscheinlichkeit, Vorhandenes unter definierten Bedingungen zu entdecken) (!Die sichere Zahl aller Tiere im Untersuchungsgebiet) (!Die Wahrscheinlichkeit, dass ein Tier geboren wird) (!Die Anzahl der verwendeten Beobachtungsgeräte)

Welche Angabe beschreibt direkt den Suchaufwand? (Die Beobachtungsdauer in Minuten) (!Die Fellfarbe der Zielart) (!Die Gesteinsart unter dem Standort) (!Die taxonomische Familie der Zielart)

Was ist ein Nichtnachweis? (Eine Erhebung ohne registrierten Nachweis der Zielart) (!Ein Beweis für lokale Ausrottung) (!Eine automatisch fehlerhafte Beobachtung) (!Eine Messung mit p gleich 1)

Welche Aussage passt zum eigenen Amselbeispiel? (Die Rohzahlen unterscheiden sich, obwohl das vereinfachte Modell jeweils 16 Individuen ergibt) (!Die Erfassung B beweist einen Rückgang um vier Individuen) (!Die Erfassung C ist wegen der kürzeren Dauer automatisch wertlos) (!Die Erfassung A zeigt sicher den wahren Bestand ohne Modellannahmen)

Welche Größe gehört im Beispiel zum Beobachtungsprozess? (Die Erfassungswahrscheinlichkeit p) (!Die Fläche des Parkabschnitts als biologische Einheit) (!Der Artname Amsel) (!Die Definition des Fachs Biologie)

Warum sind wiederholte Erfassungen methodisch nützlich? (Sie können Information liefern, um unvollständige Detektion zu erkennen oder zu modellieren) (!Sie machen jede Wetterdokumentation überflüssig) (!Sie garantieren automatisch p gleich 1) (!Sie ersetzen die Festlegung einer Fragestellung)

Welche Schlussfolgerung ist beim Frosch-Transferfall am besten begründet? (Die beiden Rohzahlen sind wegen unterschiedlicher Bedingungen noch kein Beleg für einen Bestandsrückgang) (!Drei Rufe bedeuten exakt drei Frösche im Teich) (!Wind verdoppelt immer die tatsächliche Froschzahl) (!Eine kürzere Suche liefert grundsätzlich höhere Zählwerte)

Was unterscheidet Occupancy von Abundanz? (Occupancy betrifft die Nutzung oder Besetzung von Orten, Abundanz die Zahl von Individuen) (!Occupancy ist immer eine Wettervariable) (!Abundanz bezeichnet nur die Suchdauer) (!Beide Begriffe bedeuten in der Ökologie immer dasselbe)

Welche Aussage ist wissenschaftlich am nachvollziehbarsten? (Bei standardisierten Wiederholungen wurden Wetter, Aktivitätsphase und Suchaufwand dokumentiert und bei der Interpretation berücksichtigt) (!Am zweiten Tag wurden weniger Tiere gesehen, also ist der Bestand sicher gesunken) (!Ein Nullnachweis beweist immer Abwesenheit) (!Die Beobachtungsdauer muss nicht angegeben werden)

Memory

Erfassungswahrscheinlichkeit	Chance eines Nachweises bei Vorhandensein
Stichprobe	untersuchter Ausschnitt aus Raum Zeit oder Individuen
Suchaufwand	Dauer Strecke Beobachtende und Methode einer Erfassung
Replikation	geplante Wiederholung einer Erhebung
Abundanz	Anzahl von Individuen in einer definierten Einheit
Occupancy	Anteil oder Wahrscheinlichkeit besetzter beziehungsweise genutzter Orte

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Wetter	kann Sicht Hörbarkeit und Aktivität während der Erfassung beeinflussen
Aktivität	bestimmt mit ob anwesende Tiere gerade sichtbar oder hörbar sind
Suchaufwand	umfasst zum Beispiel Dauer Strecke und Zahl der Beobachtenden
Nichtnachweis	ist nicht automatisch gleichbedeutend mit Abwesenheit
Replikation	liefert wiederholte Beobachtungen für die Trennung von Zustand und Beobachtungsprozess

Kreuzworträtsel

Stichprobe	Wie heißt ein untersuchter Ausschnitt aus einer größeren Grundgesamtheit?
Nachweis	Wie heißt eine registrierte Beobachtung der Zielart?
Wetter	Welche Umweltbedingung umfasst unter anderem Wind und Niederschlag?
Aufwand	Welcher Begriff bezeichnet Dauer und Intensität der Suche?
Aktivität	Welcher Begriff beschreibt, wie stark Tiere zu einer Zeit sichtbar hörbar oder unterwegs sind?
Replikation	Wie heißt die geplante Wiederholung einer Erhebung?

Lückentext

Vervollständige den Text.

Eine beobachtete Tierzahl ist zunächst das Ergebnis einer . Die Wahrscheinlichkeit, ein tatsächlich vorhandenes Tier oder eine vorhandene Art zu registrieren, heißt . Ein fehlender Nachweis beweist bei unvollständiger Detektion nicht automatisch . Wetter und Tageszeit können die verändern. Dauer und Strecke gehören zum . Wiederholte Untersuchungen nach einem geplanten Protokoll heißen . Eine Aussage über Bestandsveränderungen sollte deshalb den biologischen Zustand vom trennen.

Offene Aufgaben

Leicht

1. G – Beschreiben: Markiere im Amselbeispiel alle Angaben zu Wetter, Aktivitätsphase und Suchaufwand und formuliere je einen Satz dazu, warum sie für die Interpretation wichtig sind.
2. G – Zuordnen: Ordne zehn vorgegebene Angaben den Kategorien biologischer Zustand, Beobachtungsprozess oder Schlussfolgerung zu.
3. G – Erklären: Erkläre in höchstens fünf Sätzen, warum p=0,50 nicht bedeutet, dass nur die Hälfte der Population existiert.
4. G – Darstellen: Zeichne für die drei Amselerfassungen ein Balkendiagramm der Rohzahlen C und beschrifte die Achsen mit Größe und Einheit.

Standard

1. M – Berechnen: Berechne für C=9 Individuen und p=0,60 die einfache Modellschätzung C/p und nenne mindestens zwei Annahmen, die dafür gelten müssen.
2. M – Erklären: Wähle Wetter oder Aktivität als möglichen Störfaktor und erkläre einen plausiblen Weg, wie dadurch eine Rohzählung verändert werden kann, ohne dass sich der Bestand ändert.
3. M – Vergleichen: Vergleiche zwei Papierprotokolle mit 5 min beziehungsweise 15 min Suchdauer und entscheide, welche Angaben zusätzlich standardisiert werden müssten.
4. M – Anwenden: Nutze die Checkliste der Fachwerkstatt für einen erfundenen Datensatz mit zwei Erhebungstagen und dokumentiere, welche Aussagen zulässig und welche zu stark wären.

Schwer

1. E – Bewerten: Bewerte, ob drei Nullnachweise bei unbekanntem p ausreichen, um lokale Abwesenheit zu behaupten. Beziehe Replikation und mögliche p-Werte in Deine Begründung ein.
2. E – Analysieren: Analysiere, warum ein Occupancy-Modell nicht automatisch eine Individuenzahl liefert, und stelle die Zielgrößen Occupancy und Abundanz gegenüber.
3. E – Entwerfen: Entwirf ein papierbasiertes Erhebungsdesign für zwei Lebensräume mit gleichen Suchzeiten, mindestens drei Wiederholungen und dokumentierten Wetterdaten. Begründe, welche Störfaktoren Du kontrollieren möchtest.
4. E – Entscheiden: Zwei Schulgruppen melden unterschiedlich viele Tiere aus demselben Gebiet, aber Gruppe 1 suchte 30 min am Morgen und Gruppe 2 10 min mittags. Entscheide, welche Zusatzdaten Du vor einem Vergleich verlangst, und begründe die Reihenfolge.

Lernkontrolle

1. Transfer 1: Zwei Zählreihen unterscheiden sich deutlich, aber nur eine enthält Wetter- und Aufwandsdaten. Beurteile, welche Reihe stärkere Schlussfolgerungen erlaubt und welche Unsicherheiten bleiben.
2. Transfer 2: Erkläre anhand eines selbst gewählten Tierbeispiels, wie derselbe Bestand bei unterschiedlicher Aktivität zu verschiedenen Beobachtungszahlen führen kann.
3. Transfer 3: Vergleiche „viele Orte einmal“ mit „wenige Orte mehrfach“ und diskutiere, welche Information jeweils für Raumabdeckung und Erfassungswahrscheinlichkeit gewonnen oder verloren wird.
4. Transfer 4: Prüfe die Annahme eines über wenige Tage geschlossenen Bestands für eine standorttreue Brutvogelart und für eine wandernde Tierart. Begründe, warum dieselbe Annahme unterschiedlich plausibel sein kann.
5. Transfer 5: Formuliere aus einem Datensatz mit Rohzahl, p, Wetter und Suchdauer eine vorsichtige wissenschaftliche Aussage und kennzeichne Beobachtung, Modellannahme und Schlussfolgerung getrennt.
6. Transfer 6: Widerlege die Aussage „Null Beobachtungen bedeuten null Tiere“ mithilfe eines selbst gewählten p-Werts und eines verbal erklärten Gegenbeispiels.

Lernnachweis

Für einen Lernnachweis ist wichtig, dass Du Beobachtungszahl und biologischen Bestand begrifflich trennst, p korrekt als bedingte Erfassungswahrscheinlichkeit interpretierst, Stichprobe und Replikation erklärst, Wetter, Aktivität und Suchaufwand als mögliche Grenzen einer Aussage erkennst, Einheiten und Erfassungsbedingungen dokumentierst, einen einfachen C/p-Rechenweg nur unter ausdrücklich genannten Modellannahmen verwendest, zwei typische Fehlschlüsse begründet zurückweist und eine Transferentscheidung so formulierst, dass Daten, Annahmen, Unsicherheit und Schlussfolgerung unterscheidbar bleiben.

Quellen und Belege

1. MacKenzie et al. (1. August 2002): Primärquelle zur Schätzung von Occupancy bei Detektionswahrscheinlichkeit kleiner als 1; U.S. Geological Survey / Ecology. https://pubs.usgs.gov/publication/5224176
2. Royle (11. März 2004): Primärquelle zu N-Mixture-Modellen für Populationsgröße aus replizierten Zählungen bei unvollständiger Detektion; U.S. Geological Survey / Biometrics. https://pubs.usgs.gov/publication/5224798
3. MacKenzie & Royle (2005): Primärquelle zum Design von Occupancy-Studien und zur Verteilung des Erfassungsaufwands; U.S. Geological Survey / Journal of Applied Ecology. https://www.usgs.gov/publications/designing-occupancy-studies-general-advice-and-allocating-survey-effort
4. O’Connell et al. (2006): Primärquelle zu Einflüssen von Wetter, Saisonalität, biologischen Rhythmen und Erfassungsmethoden auf Detektierbarkeit; U.S. Geological Survey / Journal of Wildlife Management. https://www.usgs.gov/publications/estimating-site-occupancy-and-detection-probability-parameters-meso-and-large-mammals
5. Amundson, Royle & Handel (18. Juli 2014): Primärquelle zur Trennung von Verfügbarkeit und Wahrnehmbarkeit in Vogelpunktzählungen; U.S. Geological Survey. https://www.usgs.gov/publications/a-hierarchical-model-combining-distance-sampling-and-time-removal-estimate-detection
6. Cornell Lab/eBird (geändert 28. März 2025 beziehungsweise aktuell abgerufen 4. Oktober 2026): Lehr- und Protokollquelle zur Dokumentation von Zeit, Dauer, Strecke und Beobachtungsaufwand. https://support.ebird.org/en/support/solutions/articles/48000967748
7. Donovan, Hines & MacKenzie (19. Januar 2024): Lehrquelle und methodische Vertiefung zu Occupancy-Tutorials mit RPresence; Methods in Ecology and Evolution / USGS. https://www.usgs.gov/publications/occupancytuts-occupancy-modelling-tutorials-rpresence
8. Wikimedia Commons (Bild vom 9. Februar 2014): PJeganathan, Birdwatching India 07.JPG, CC BY-SA 4.0. https://commons.wikimedia.org/wiki/File:Birdwatching_India_07.JPG
9. Olivier Gimenez (Workshop 16. Mai 2023): Estimating wolf occupancy with R, Workshop-Seite mit verlinkter YouTube-Aufzeichnung. https://oliviergimenez.github.io/occupancy-workshop/

OERs zum Thema

Für die methodische Grundidee sind insbesondere die Wikipedia-Artikel zu Stichprobe und Populationsökologie als Einstieg geeignet. Sie ersetzen nicht die oben genannten Primär- und Lehrquellen.

Verknüpfte Lernbereiche

Tierbeobachtungen und Erfassungswahrscheinlichkeit unterscheiden Biologie Ökologie Populationsökologie Stichprobe Erfassungswahrscheinlichkeit Occupancy-Modell Abundanz Störfaktor Wissenschaftliche Methode Datenkompetenz