accessibility__skip_menu__jump_to_main

Volltext : Standard

Teil  C  -  Anhang  zur  Untersuchung  der  Schutzgüter

67

Als  Parameter  sollten  DPM  (Detektionspositive  Minuten)  und  DP10M  (Detektionspositive
10-Minutenintervalle)  gewählt  werden.  Die  Genauigkeit  kann  variiert  werden,  um  die  Schweinswalaktivität ­
  vor,  während  und  nach  Rammereignissen  zu  beschreiben.  Erfahrungsgemäß  ist
hierfür  eine  Auflösung  nach  Stunden  (z.  B.  DPM  Ir 1 )  hilfreich.  Der  Parameter  DP10M  d' 1 ,  der
ein  gutes  Maß  für  phänologische  Beschreibungen  ist,  ist  zum  Erfassen  des  Einflusses  der
Rammaktivitäten  auf  die  Schweinswale  zu  ungenau.
Eine  weitere  zu  berechnende  Größe  ist  die  ,Waiting  Time 1  definiert  als  Zeitintervall  (Minuten)
zwischen  zwei  Schweinswalregistrierungen.  Aufgrund  der  zeitlich  möglichen  Autokorrelation
zwischen  zwei  Detektionen  müssen  mindestens  10  Minuten  ohne  Detektion  erfolgen.  Solche
zusammenhängenden  schweinswalpositiven  10  Minuten  werden  als  „Encounter“  bezeichnet
und  Lücken  darin  als  „Waiting  Time“.  Damit  ist  der  definierte  Minimalwert  der  ,Waiting  Time 1
10  Minuten  (Definition  in  Carstensen  et  al.  2006  und  Tougaard  et  al.  2009).
Zur  Integration  der  Rammaktivitäten  in  die  statistische  Modellbildung  sollten  die  Rammdaten
pro  Pfahl  als  maschinenlesbare  ASCII-Datei  aus  der  Messsensorik  der  Ramme  vorliegen.
Diese  Dateien  müssen  eine  eindeutige  Bezeichnung  des  Pfahls  und  das  Datum  enthalten  und
einzelschlaggenau  Uhrzeit  (Angabe  Zeitsystem)  und  Schlagenergie  [kJ]  aufschlüsseln.  Sind
die  Rammdaten  nicht  in  dieser  Auflösung  verfügbar,  so  sollte  zumindest  die  gesamte  Schlagenergie, ­
  totale  Anzahl  an  Schlägen,  sowie  Beginn  und  Ende  (mindestens  auf  10  Minuten  genau) ­
  des  Rammereignisses  in  die  Auswertung  einbezogen  werden.  Zur  Einbindung  des  an  der
Messstelle  des  C-PODs  gemessenen  Hydroschalls  in  statistische  Modelle  sollte  pro  Pfahl  und
Messstelle  der  Median  (50  %  Perzentil)  des  Einzelereignispegels  (SEL 50 )  als  Maß  für  die  Lautstärke ­
  [dB  re  1  pPa 2 s]  für  die  hauptsächlich  genutzte  Schlagenergie  vorliegen.

Einfluss  von  Rammarbeiten  auf  Schweinswalaktivität  und  Rückkehrzeiten  Schweinswalaktivität ­

Zur  Analyse  des  Einflusses  der  Rammarbeiten  auf  die  Schweinswalaktivität  sollen  aufgrund
der  Beschaffenheit  der  Daten  (i.  d.  R.  nicht  normal  verteilte  Daten,  Overdispersion,  Varianzheterogenität, ­
  temporäre  und  räumliche  Autokorrelation)  Generalisierte  Additive  Modelle  (GAM,
Wood  2006)  oder  Generalisierte  Lineare  Modelle  (McCullagh  &  Neider  1989)  herangezogen
werden.  Diese  lassen  sich  ggf.  durch  Einbindung  von  Zufallsfaktoren  zu  Generalisierten  Additiven ­
  Gemischten  Modellen  (GAMM,  Lin  &  Zhang  1999)  oder  Generalisierten  Linearen  Gemischten ­
  Mo-dellen  (GLMM)  erweitern.  Bei  diesen  Verfahren  ist  a-priori  nicht  bekannt,  über
welche  funktionale  Form  eine  oder  mehrere  erklärende  Variablen  auf  die  abhängige  Variable
wirken.  Dazu  erlaubt  ein  GAM  ergänzend  zu  den  parametrischen  Formen  Generalisierter  Linearer ­
  Modelle  (GLM)  die  Verwendung  nichtlinearer  sogenannter  smoothing  terms,  um  den  Zusammenhang ­
  zwischen  abhängiger  (response)  und  erklärender  (predictor)  Variable
zu  charakterisieren.  Sämtliche  Parameter  werden  hierbei,  wie  auch  bei  den  herkömmlichen
linearen  Modellen,  rein  additiv  eingebunden.
Die  Analysen  lassen  sich  skriptbasiert  in  der  Software  R  (aktuelle  Version  2.15.2,  R  Development ­
  Core  Team  2012)  durchführen,  in  der  mehrere  verschiedene  GAM-  und  GLM-packages
zur  Verfügung  stehen.  Da  es  keine  exakt  abgegrenzte  Definition  gibt,  was  genau  ein  GAM  ist,
können  diese  Modelle  sehr  variabel  sein.  Die  dadurch  entstehende  Vielfalt  der  Modelle  spiegelt ­
  sich  in  den  verschiedenen  Implementierungen  wieder:  „mgcv“  (aktuelle  Version  1.7-22,
Wood  2006)  und  „gam“  (aktuelle  Version  1.06.2,  Hastie  &Tibshirani  1990).  Weiterhin  kommen
„VGAM“  (aktuelle  Version  0.9-0,  Yee  2012)  und  „gamlss“  (aktuelle  Version  4.2-0,  Rigby  &  Stasinopoulos
  2005)  zum  Einsatz.  Für  GLM  sind  die  Packete  „Ime4“  (Bates  et  al.  2012),  „nlme“
(Pinheiro  et  al.  2012)  und  „MCMCglm“  (Hadfield  2010)  u.  a.  wichtig.
            
Waiting...

Nutzerhinweis

Sehr geehrte Benutzerin, sehr geehrter Benutzer,

aufgrund der aktuellen Entwicklungen in der Webtechnologie, die im Goobi viewer verwendet wird, unterstützt die Software den von Ihnen verwendeten Browser nicht mehr.

Bitte benutzen Sie einen der folgenden Browser, um diese Seite korrekt darstellen zu können.

Vielen Dank für Ihr Verständnis.