87 
Zwischenbericht StUKplus 
fi 
28.02.2012 
£ 
mm 
Der in CPOD.exe verwendete Musterfindungsalgorithmus wird stetig weiterentwickelt und 
auf unterschiedlichste Anforderungen angepasst. Im vorliegenden Untersuchungsgebiet der 
Nordsee hat sich der derzeit erhältliche Algorithmus bewährt. Alle Daten werden, um die 
Vergleichbarkeit zu gewährleisten, mit der Softwareversion CPOD.exe 1.017 (Download am 
27.08.2009) prozessiert. 
Kalibrierung 
Wie im ersten Zwischenbericht (FKZ 0327689A, 2009) bereits beschrieben, wurden die C- 
PODs kalibriert, um sicher zu stellen, dass sie im Feld bei einem längeren Einsatz sachge 
recht funktionieren und die gewonnenen Daten verschiedener Geräte vergleichbar sind. Zu 
nächst wurde eine horizontale Kalibrierung zur Bestimmung der Empfangsrichtcharakteristik 
des Gerätes vorgenommen, um zu überprüfen, ob der POD radiärsymmetrisch ist. Anschlie 
ßend wurden die Empfangsschwellenwerte auf vier Positionen von je 90° Unterschied be 
stimmt, um den Schalldruckpegel zu ermitteln, bei dem das Gerät nur noch 50 % der ausge 
sandten Klicks aufnimmt. Serien mit 100 Signalen pro Paket in den Frequenzen 60 bis 150 
kHz werden mit einer abnehmenden Amplitude ausgesandt und gleichzeitig vom CPOD auf 
gezeichnet. Laut den zusammengefassten Ergebnissen aller am Deutschen Meeresmuseum 
durchgeführten Kalibrierungen hat sich eine neue Methode zur Auswertung der Sensitivi- 
tätsunterschiede ergeben, die für die „alpha ventus“ Messgeräte noch nicht komplett durch 
geführt wurde. Deshalb werden die Ergebnisse erst im nächsten Bericht in die Analyse ein 
fließen. 
Schon in den vorangegangenen Berichten konnte an Hand der vorgestellten POD-Beispiele 
festgestellt werden, dass die Geräte mit einer unterschiedlichen Sensitivität arbeiten. Um 
zukünftig die Felddaten vergleichen zu können, sollte mit Hilfe der Hörschwellenbestimmung 
unter kontrollierten Bedingungen die Daten nachträglich bearbeitet werden, um so die Ver 
gleichbarkeit der Datenreihen zu gewährleisten. 
Datenanalyse 
Die vom Messgerät aufgenommenen Rohdaten werden auf einer SD-Karte in bis zu 1 GB 
großen Dateien abgespeichert. Beim Auslesen der Daten werden sie in ein Rohdatenfile, 
das cp1 -File, transferiert. In einem weiteren Schritt wird dann das cp1 -file mit Hilfe eines 
Musterfindungsalgorithmus nach potentiell von Schweinswalen stammenden Sequenzen 
untersucht und gefiltert. Das Ergebnis ist das prozessierte cp3-file. 
Der Algorithmus ordnet die Lautsequenzen in verschiedene Klassen ein, die so genannten 
Train-Filter ("high" = Lautsequenzen, die mit hoher Wahrscheinlichkeit von einem 
Schweinswal stammen; "moderate" = Lautsequenzen, die mit mittlerer Wahrscheinlichkeit 
von einem Schweinswal stammen; "low" = es besteht ein statistisch signifikantes Risiko, 
dass die Lautserie eher zufällig entstanden ist und nicht von einem Schweinswal stammt;"?" 
= die Sequenzen sind sehr wahrscheinlich zufällig und keine Schweinswal-Lautsequenzen). 
Grundlage für die Zuordnung in diese spezifischen Klassen ist die Frequenz und die zeitliche 
Abfolge der registrierten Laute. 
Ein Abgleich der Ergebnisse der automatischen Analyse mit den zuvor visuell identifizierten 
Lautsequenzen ("click-trains") zeigt, dass die Grundeinstellungen der automatischen Analy 
se (high + moderate) zu einem eher konservativen Ergebnis führen; es werden mehr Laut 
sequenzen verworfen, die der visuellen Analyse zufolge aber von einem Schweinswal stam 
men ("false negative"), als fälschlicherweise Signale als Lautsequenzen eines Schweinswals 
identifiziert werden ("false positive"), die bei einer visuellen Analyse als Fremdgeräusche 
identifiziert wurden.