GIS-gestützte Analyse der potenziellen Verbreitung der Mauereidechse (Podarcis muralis) an ihrer Arealgrenze im Raum Heilbronn

Transkript

1 GIS-gestützte Analyse der potenziellen Verbreitung der Mauereidechse (Podarcis muralis) an ihrer Arealgrenze im Raum Heilbronn André HECKENBERGER und Hans-Joachim ROSNER Zusammenfassung Habitatmodelle können dazu beitragen Freilanderfassungen deutlich zu reduzieren, indem die Analyse der Habitatparameter der bekannten Fundorte nachweisfreie Gebiete mit vergleichbarer Ausstattung als potenzielle Lebensräume definiert (PLUTZAR 200). In der vorliegenden Arbeit wird ein statistisch empirisches Habitatmodell für die Mauereidechse im Raum Heilbronn mit Hilfe eines Geographischen Informationssystems vorgestellt. Die erstellte Habitateignungskarte erweist sich als gutes Hilfsmittel um den Habitatverbund einzelner Populationen zu untersuchen und Verbesserungsvorschläge zu erarbeiten. Einleitung Im Naturschutz steht nicht mehr nur der Schutz einzelner Arten im Vordergrund sondern die Erhaltung ganzer Lebensräume und mit diesen der Schutz einer ganzen Lebensgemeinschaft. Zur Sicherung komplexer Lebensräume muss eine Landschaft in ihrer Funktion als Lebensraum bestimmter Tierarten betrachtet und bewertet werden (BLASCHKE 999). Eidechsen stellen sehr wichtige Vertreter von Lebensgemeinschaften trockenwarmer Standorte dar. Die Mauereidechse (Abk.: ME) wurde aufgrund ihres starken Rückgangs und ihrer großen Popularität zu einer Schlüsselart für den Schutz solcher Standorte (BENDER et al. 999). Die Analysemöglichkeiten mit einem GIS bieten sich für Untersuchungen von räumlichen Fragestellungen an und ermöglichen zugleich die visuelle Darstellung der Ergebnisse in Kartenform. Durch die Informationsverarbeitung mit GIS wurden Methoden entwickelt, die von einzelnen bekannten Fundorten ausgehende und auf nachvollziehbare Analysen beruhende Darstellung der Verbreitungsgebiete von Arten zum Ziel haben. Auch wenn GIS nur ein Instrument darstellt, um komplexe Lebensräume abzubilden, kommt dem Einsatz insofern besondere Bedeutung zu, da bisher fast nur GIS-gestützte Modelle den Raum explizit berücksichtigen (BLASCHKE 999). PLUTZAR (200) modellierte mit Hilfe einer GIS-gestützten Analyse das potenzielle Verbreitungsgebiet der Lacertiden (Halsbandeidechsen) in Ostösterreich. In seiner Arbeit wurde der Zusammenhang verschiedener Klimaparameter mit den Fundortdaten von vier Eidechsenarten (Podarcis muralis, Lacerta agilis, L. viridris, L. vivipara) untersucht. Im Mittelpunkt der Arbeit stand die Frage, inwiefern großräumige klimatische Rahmenbedingungen das Areal einer Art beeinflussen. Ziel dieser Arbeit ist, ein statistisch empirisches Habitatmodell für die ME zu erstellen, das für regionale Fragestellungen verwendet werden kann. Der Bearbeitungsraum (ca. 60 km²) liegt im Bereich der nördlichen Verbreitungsgrenze der ME in Deutschland zwischen der Stadt Heilbronn und den Löwensteiner Bergen im Bundesland Baden-

2 GIS-gestützte Analyse der potenziellen Verbreitung der Mauereidechse 23 Württemberg. In den Sommern 2005 u wurden Kartierungen des Gebietes durchgeführt. Die aus der Literatur stammenden Habitatansprüche der ME werden zu Schlüsselvariablen zusammengefasst. Diese werden im Hinblick auf die Verarbeitung flächendeckender Daten für das Habitatmodell ausgesucht und in die weitere Analyse einbezogen. Anschließend erfolgt die Zuordnung der Ausprägungen der Schlüsselvariablen für die jeweiligen Untersuchungspunkte. Die Untersuchungspunkte werden im Hinblick auf die Schlüsselvariablen statistischen Tests unterworfen und gehen in die Berechnungen einer binären logistischen Regression zur Erstellung des Habitatmodells ein. Basierend auf dem Habitatmodell soll das Ergebnis der Arbeit eine Habitateignungskarte für das ganze Untersuchungsgebiet liefern mit deren Hilfe Vorschläge für einen möglichen Habitatverbund isolierter Populationen erarbeiten werden können. 2 Datengrundlage Für das Auffinden und Digitalisieren von Mauereidechsen-Standorten (Abk.: ME- Standorte) wurden literaturbasierte Daten aus alten Kartierungen sowie die digital vorliegende 32-Biotopkartierung (Vektordatei im Shapefile-Format) herangezogen. Der 32 NatSchG BW gibt Informationen zu besonders geschützten Biotopen außerhalb des Waldes (ehemals 24a NatSchG). Die digitalen Topographischen Karten im Rasterformat (TK25, TK50, TÜK200) und die Orthophotos (Bodenauflösung 25 cm) des Untersuchungsgebietes halfen ebenfalls die Kartierungsinformationen zu digitalisieren. Außerdem dienen sie als Hintergrund für Ergebnisdarstellungen. Das in dieser Arbeit verwendete Digitale Höhenmodell von Baden-Württemberg (DHM30), hat eine Rasterweite von 30 m und wurde vom Institut für Photogrammetrie und Fernerkundung der Universität Karlsruhe erstellt. Aus diesem wurden drei der vier Schlüsselvariablen abgeleitet. Die digitale Landnutzungskarte Baden-Württembergs, die auf Satellitenbildauswertungen (LANDSAT TM) aus dem Jahr 2000 basiert und eine Auflösung von 30 * 30 Metern besitzt, lieferte die Daten für die vierte Schlüsselvariable. 3 Methodisches Vorgehen der Habitatmodellierung Kartierung: Die Kartierung des Untersuchungsgebietes verlief in zwei zeitlichen Abschnitten, von August bis Ende Oktober 2005 und im Juli 2006 und lag somit innerhalb des aktiven Jahreszyklus der ME. Das Ziel der Kartierung war Präsenz-Absenz-Daten der ME zu erhalten. In der Kartierung wurden ME-Standorte aus alten Kartierungen überprüft, neue notiert und sogenannte Mauereidechsen-Nicht-Standorte festgehalten. Die Verwendung der digitalen 32-Biotope (Trockenmauern, Offene Felslagen usw.), der Topographischen Karten und der Orthofotos in ArcGIS waren eine große Hilfe für die Kartierung. Die Präsenz-Absenz-Daten wurden anschließend als Untersuchungselemente bzw. Stichprobe für die statistische Analyse verwendet. Die digitalen Daten wie Orthofotos, 32-Biotope, die Topographischen Karten, die Landnutzungskarte und das DHM30 stammen aus dem Räumlichen Informations- und Planungssystem (RIPS) der Landesanstalt für Umwelt, Messungen und Naturschutz Baden-Württemberg und wurden von dieser freundlicherweise zur Verfügung gestellt.

3 24 A. Heckenberger und H.-J. Rosner Schlüsselfaktoren: Um eine Habitat zu modellieren, ist es notwendig die Merkmale einer Landschaft zu kennen, die sie als Lebensraum für eine Art charakterisieren (KUHN & KLEY- ER 999). Diese werden von den ökologischen Ansprüchen des jeweiligen Organismus bestimmt und im Folgenden als Schlüsselvariablen bezeichnet. Die Auswahl der Schlüsselvariablen in dieser Arbeit erfolgte im Hinblick auf die Verwendung in einem GIS (ArcGIS 9.0 der Fa. ESRI), d.h. vor dem Hintergrund von welchen Variablen flächendeckende Datensätze verfügbar sind oder leicht erstellt werden können. Da die ME eine äußerst wärmeliebende Art ist, besitzen ihre Habitate einen hohen Wärmegenuss, der durch die Schlüsselvariablen Höhe, Exposition und Hangneigung beeinflusst wird. Diese Parameter sind ohne Probleme flächendeckend durch die Reliefanalyse des digitalen Höhenmodells zu erzeugen. Das DHM30 wird mit Hilfe eines Polygon-Shapefiles des Untersuchungsgebietes ausgeschnitten. Von diesem Raster werden über die digitale Reliefanalyse (Spatial Analyst Tools) die Reliefparameter Hangneigung und die Exposition abgeleitet. Der Reliefparameter Höhe ist bereits im ursprünglichen DHM-Raster vorhanden. Mit einer weiteren Befehlskette werden den Untersuchungspunkten die jeweiligen Reliefparameter aus den Rasterdateien des DHMs als Attribute zugewiesen (Spatial Analyst Tools/ Zonal Statistic). Eine weitere Schlüsselvariable ist die Landnutzung, die als flächendeckender digitaler Datensatz vorliegt (RIPS). Das Spektrum der Nutzungen in einer Kulturlandschaft ist für die Habitatwahl sehr wichtig, da sie diejenigen Arten herausfiltert, deren biologische Ausstattung dafür funktional ist (KUHN & KLEYER 999). Die Bestimmung, welche Landnutzungsformen eine hohe Habitatqualität besitzen, wird durch die relative Häufigkeitsverteilung der ME-Standorte auf die Landnutzungstypen erreicht. Die jeweiligen Landnutzungstypen werden den Untersuchungspunkten als Attribute hinzugefügt. Die Landnutzung und die Exposition gehen in Hinblick auf die Verteilung der ME-Standorte auf diese Parameter, bewertet in die statistische Analyse ein. Statistische Analyse: Die zu prüfende Stichprobe umfasst 200 Untersuchungspunkte der Kartierung (Präsenz-Absenz-Daten) mit ihren Attributen Höhe, Hangneigung, Exposition und Landnutzung. Es wurde getestet, ob es zwischen den ME-Standorten und -Nicht- Standorten bezüglich der abiotischen Faktoren Höhe, Hangneigung und Exposition Unterschiede gibt. Mit Hilfe des t-tests wurde überprüft, ob sich die beiden Datensätze für die Höhenwerte und Hangneigungswerte der ME-Standorte und -Nicht-Standorte unterscheiden. Der Chi²-Test wurde verwendet, um zu prüfen, ob sich die Häufigkeiten für die Exposition der ME-Standorte (= beobachtete Werte) von denen des gesamten Gebietes (= erwartete Werte) unterscheiden. Die statistischen Analysen wurden mit dem Programm SPSS 3.0 (Apache Software Foundation) durchgeführt. Habitatmodell: Ein Habitatmodell übersetzt bestimmte Schlüsselfaktoren in Habitatqualitäten, so dass mit einem GIS die Habitatqualitäten der Landschaft flächendeckend bewertet und kartographisch als Habitateignungskarte abgebildet werden können (KUHN & KLEYER 999). Die binäre logistische Regression, die sich besonders für statistische Habitatmodelle eignet, prüft die Abhängigkeit einer dichotomen Variablen von anderen Variablen beliebiger Skalierung. Mit der binären logistischen Regression wird die Wahrscheinlichkeit des Eintreffens des Ereignisses in Abhängigkeit von den Werten der unabhängigen Variablen berechnet (BÜHL & ZÖFEL 2005). Das Ereignis entspricht in diesem Fall dem Vorkommen bzw. Nichtvorkommen der ME (Präsenz-Absenz-Daten). Die Wahrscheinlichkeit für das Eintreten des Ereignisses (p) eines Falles wird nach dem Ansatz

4 GIS-gestützte Analyse der potenziellen Verbreitung der Mauereidechse 25 p = berechnet, wobei () z + e z = b x + b * x b * x a (2) * 2 2 n n + In Gleichung 2 steht x i für die Werte der unabhängigen Variablen, b i sind Koeffizienten, deren Berechnung Aufgabe der binären logistischen Regression ist; a ist eine Konstante (BÜHL & ZÖFEL 2005). Mit Hilfe des Raster Calculator Tool von ArcGIS wurden die verschiedenen Raster für Höhe, Hangneigung, Exposition und Landnutzung (unabhängigen Variablen x i ) direkt in die Gleichung 2 mit den jeweils berechneten Koeffizienten (b i ) und der Konstante (a) eingefügt. Als Zwischenergebnis erhält man ein Raster für die z- Werte. Anschließend wurde über das Einsetzten des Zwischenergebnisses in Gleichung ein Raster für die Antreffwahrscheinlichkeiten der ME berechnet. Dieses enthält für jede Rasterzelle einen p-wert zwischen Null und Eins, der für die Eintrittswahrscheinlichkeit des Ereignisses Anwesenheit der Mauereidechse steht. Das erhaltene Raster entspricht einer Habitateignungskarte (s. a. Abb. ). Ergibt sich ein Wert von p < 0,5, nimmt man an, dass das Ereignis nicht Eintritt; im anderen Fall nimmt man das Eintreffen des Ereignisses an (BÜHL & ZÖFEL 2005). Überträgt man diese Forderung auf die Habitateignungskarte und teilt den Bereich von p = 0,5,0 nochmals in einen günstigen (0,5 0,75) und einen sehr günstigen Bereich (0,75,0) ein, erhält man das in Abbildung dargestellte Ergebnis. Die Einteilung in einen günstigen und sehr günstigen Bereich wurde aufgrund der Unterscheidung der Gebiete hinsichtlich ihrer Priorität vorgenommen. 4 Ergebnisse Fast die Hälfte aller ME-Standorte sind Teil geschützter Biotope nach 32 Naturschutzgesetz. Den größten Teil der bewohnten Habitatstrukturen bilden mit 77 % die (Trocken-)- Mauern und damit Sekundärbiotope. Vorwiegend finden wir die ME auf südlich exponierten Bereichen (SW, S, SO). Die Häufigkeitsverteilung der ME-Standorte auf die Exposition und der Chi²-Test der statistischen Analyse bestätigen die bevorzugten Expositionen. Aus den Ergebnissen der Kartierung hinsichtlich der Hangneigung ergibt sich, dass die ME Steigungen zwischen 3 und 33 % am häufigsten besiedelt, jedoch beeinflussen steilere Hangneigungen die ME nicht negativ. Die Landnutzungstypen, in denen ein Großteil der ME gefunden wurde, sind Wein-/Obstplantagen, Streuobstgebiete und Extensivgrünland. 52 % der ME-Standorte wurden in Wein-/Obstplantagen nachgewiesen, da hier mit den verbliebenen Trockenmauern oder den Abbruchkanten am Waldrand die geeigneten Strukturen vorhanden sind. Die logistische Regression berechnete die Signifikanz-Werte für die unabhängigen Variablen (Höhe, Hangneigung, Exposition und Landnutzung), die als Maß für die Einflussnahme am Ergebnis der Funktion (Anwesenheit der Mauereidechse) anzusehen sind. Als Signifikanz-Werte ergeben sich für die Höhe 0,0, für die Hangneigung 0,00, für die Exposition 0,243 und 0,008 für die Landnutzung. Das Bestimmtheitsmaß r² liegt bei 0,79. Eingesetzt in Gleichung 2: z = 0,33 * Variable Landnutzung + 0,04 * Variable Exposition + 0,053 * Variable Hangneigung 0,02 * Variable Höhe 0,405 (Konstante). Außer der Exposition sind in dieser Arbeit alle Variablen hoch signifikant.

5 A. Heckenberger und H.-J. Rosner 26 Demzufolge hat die Exposition keine signifikante Auswirkung auf das Eintreten des Ereignisses Anwesenheit der Mauereidechse. Die Ursache hierfür ist durch einen Mangel in der Kartierung zu erklären. Da die Kartierung im Hinblick auf das Auffinden neuer MEStandorte durchgeführt wurde, liegen die meisten Untersuchungspunkte in Gebieten, die günstig für die ME sind. Aus diesen Punkten wurden 00 ohne ME-Nachweis ausgewählt, die folglich den ME-Standorten in der Ausprägung der Exposition sehr ähnlich sind. Die Habitateignungskarte stellt die potenziellen ME-Standorte trotz dieser Ungenauigkeit relativ gut dar. (! A6 A6 (! (! (! (! Legende Habitateignung für Mauereidechsen P. muralis ungünstig (0-0,5) günstig (0,5-0,75) (! sehr günstig (0,75 - ) Vgl. Abb. 2!! (! ( (! ( (!! (! ( 0 A8 Abb. : 0,5 2 Kilometer Habitateignungskarte. Kartengrundlage: Hillshade des DHM30 und TÜK200 aus den RIPS-Daten der LUBW (eigene Darstellung mit ArcGIS) Kritische Wertung: Für die Kartierung wurden die Untersuchungspunkte nur einmal aufgesucht. Eine weitere Kontrollkartierung ließ sich aus Zeitgründen und angesichts der großen Anzahl der Punkte nicht realisieren. Somit ist die Zuverlässigkeit der MauereidechsenNicht-Standorte problematisch. Das Ausbleiben eines Artnachweises kann nicht unbedingt als das Fehlen dieser Art interpretiert werden. Wichtige kleinräumige Habitatstrukturen, wie z. B. spaltenreiches Gestein, sandige Eiablageplätze, pflanzenbewachsene Bereiche fanden keine Berücksichtigung. Genauere Kenntnisse über die Habitatansprüche der ME und eine höhere Auflösung der digitalen Daten (DGM, Landnutzungskarte) würde die Qualität des Habitatmodells sicherlich verbessern.

6 GIS-gestützte Analyse der potenziellen Verbreitung der Mauereidechse 27 5 Resümee GF Abb. 2: Vorschlag für Habitatverbund. Puffer 500 m. Aus der Habitateignungskarte wird ersichtlich, dass die dunklen günstigen Bereiche meist in den südlichen (Weinbau-)Hanglagen zu finden sind. Der (süd)östliche Teil des Untersuchungsgebietes, in dem die ME nicht vorkommt, ist für diese durchaus besiedelbar. Die ME-Standorte erstrecken sich in einem Bogen vom Südwesten bis in den Norden des Untersuchungsgebietes. Es ist deutlich zu sehen, dass die Autobahnen A8 u. A6 das Untersuchungsgebiet durchschneiden und ME-Vorkommen voneinander trennen. Durch die Habitateignungskarte ist die Untersuchung möglicher Habitatverbund-Maßnahmen zur Stützung von Randpopulationen bzw. die einen Austausch isolierter Populationen begünstigen vorstellbar. In dieser Arbeit wurden Distanz-Puffer mit einem Radius von 500 m um die ME-Standorte generiert (Abb. 2). Dies entspricht in etwa der maximalen Ausbreitungsdistanz der ME, die bis jetzt nachgewiesen wurde (BENDER et al. 999). Somit konnten isolierte Populationen identifiziert werden. Unter Verwendung der Habitateignungskarte und dieser Distanz-Zonen wurde exemplarisch ein Vorschlag für eine Habitatverbundmaßnahme für eine isolierte Population im Untersuchungsgebiet erarbeitet (Abb. 2). Dabei wurde deutlich, dass durch das Anlegen von Trittsteinbiotopen oder einer Ansiedlung von ME an einer bisher nicht besiedelten Trockenmauer (Abb. 2 weißes Kreuz) ein Habitatverbund und damit ein möglicher Austausch zwischen zwei Populationen deutlich gefördert würde. Die Habitateignungskarte bietet sich für Untersuchungen in größerem Maßstab an und kann einen Beitrag zur Umsetzung von Habitatverbundsystemen leisten. Literatur BENDER, C. et al. (999): PVA-Fallbeispiel 2: Analyse der Gefährdungsursachen von Tiergruppen mittlerer Mobilität am Beispiel der Mauereidechse (Podarcis muralis). In: AMLER, K. et. al. (Hrsg.): Populationsbiologie in der Naturschutzpraxis. Ulmer, Stuttgart: 6-7. BLASCHKE, T. (999): Habitatanalyse und Modellierung mit Desktop-GIS. In Blaschke, T. (Hrsg.): Umweltmonitoring und Umweltmodellierung GIS und Fernerkundung als Werkzeuge einer nachhaltigen Entwicklung. Wichmann, Heidelberg: BÜHL, A. & P. ZÖFEL (2005): SPSS 2 Einführung in die moderne Datenanalyse unter Windows. Pearson Studium/ München. KUHN, W. & M. KLEYER (999): Landschaftsanalyse. In: AMLER, K. et al. (Hrsg.): Populationsbiologie in der Naturschutzpraxis. Ulmer, Stuttgart: PLUTZAR, C. (200): Karten der potentiellen Verbreitung der Halsbandeidechsen in Ostösterreich. In: CABELA et al. (Hrsg.): Atlas zur Verbreitung und Ökologie der Amphibien und Reptilien in Österreich. Umwelt Bundesamt Wien: