Wat zijn occupancy modellen? en hoe helpen ze om orde uit chaos te halen? Arco van Strien & Leo Soldaat CBS Natuurstatistieken Minisymposium Orde uit Chaos 14 maart 213 Natuurmonitoring Gestandaardiseerde meetprogramma s (meetnetten) - voorgeschreven meetmethode - vaste meetinspanning - goede spreiding meetlocaties nagestreefd trends in populatie-aantallen 1
Meetnetten PROVINCIES FLORON RAVON NMV SOVON VLINDER STICHTING ZOOGDIER VERENIGING BLWG locaties 1x1 km gestandaardiseerde monitoring na 199 dagvlinders libellen amfibieen reptielen locaties opportunistische data 1x1 km na 199 in Nationale Database Flora Fauna dagvlinders libellen amfibieen reptielen 2
Natuurmonitoring Gestandaardiseerde meetprogramma s (meetnetten) - voorgeschreven meetmethode - vaste meetinspanning - gestuurd op ligging meetlocaties trends in populatie-aantallen Opportunistische gegevens - geen gestandaardiseerde meetmethode - onbekende meetinspanning - niet gestuurd op ligging meetlocaties nog weinig gebruikt voor monitoring geschikt voor trends in verspreiding? Opportunistische data zijn dirty data ( chaos ) dubbele records (via verschillende kanalen in de database) onnauwkeurige records (datum, xy-coördinaten) geen informatie waarnemer en meetprotocol nulwaarnemingen ontbreken meetinspanning onbekend niet alle soorten waargenomen die voorkomen niet alle soorten geregistreerd die zijn waargenomen overbemonstering bijzondere soorten overbemonstering bepaalde locaties en gebieden overbemonstering in bepaalde jaren Hoofdprobleem: in recente jaren intensiever gemeten 3
meetnetdata opportunistische data meetnetdata opportunistische data Trends schatten uit opportunistische data vergt corrigeren voor meetinspanning Correctiemethoden in literatuur: 1. Via selectie van hokken die even goed zijn onderzocht per periode 2. Via statistische correctiemethode, bijvoorbeeld met aantal gevonden soorten als maat voor meetinspanning. Nieuwe statistische correctiemethode: occupancy modellen = occupancy (verspreiding) gecorrigeerd voor de trefkans van soorten uitleg occupancy model daarna terug bij probleem meetinspanning MacKenzie et al 26 4
' "!!!! )& ' "!! &""!*'! +,-../, " " ' 1!*' " 2 1!*2$ $,-../, "" ' ' " $ $ /,/, 3 $ ' "!!!! ' "!!!!! &""!*'! +,-../, "" ' ' "! /,/, 6
ipv 8 hokken 2 km-hokken P aanwezig 1 P gezien,5,5 1,5,5 : afwezig 1 1 : aanwezig, niet gezien 5 1 : aanwezig, 1 x gezien 5 1 : aanwezig, 1 x gezien 5 1 1 : aanwezig, 2 x gezien 5 1 andere P s >> andere detectiegeschiedenissen omdraaien: detectiegeschiedenissen >> P s afleiden! waarnemingen in 2 km-hokken : aanw/afw, niet gezien 1 : aanwezig, 1 x gezien 1 : aanwezig, 1 x gezien 1 1 : aanwezig, 2 x gezien Jaar 1 1 Jaar 2 1 1 1 8 P gezien,5 P aanwezig,5,9,5 Stel langer inventariseren jaar 2 >> P gezien verandert maar P aanwezig niet! 9
Probleem was: als je trends wilt halen uit opportunistische data moet je corrigeren voor meetinspanning Probleem met occupancy model aan te pakken: andere meetinspanning per jaar leidt tot andere trefkans per jaar, maar niet tot andere schatting occupancy Idem, meer aandacht voor bijzondere soorten leidt tot andere trefkans, niet andere occupancy In theorie dus veelbelovende methode Aannamen occupancy model soort aanwezig òf aanwezig in alle herhaalde bezoeken (closure periode aanname) gelijke trefkans per bezoek per jaar of via covarianten gelijk gemaakt (bijvoorbeeld dagnummer in model) trefkans niet te laag (>.1) voldoende hokken met herhaalde bezoeken binnen jaar 1
Detectiegeschiedenissen vereisen nullen en enen: nullen genereren uit bezoeken waarbij andere soorten zijn waargenomen voorbeeld: soort A gezien op 31-8-211 in Wageningen: 1 soort B gezien op 31-8-211 in Wageningen: 1 soort C op 31-8-211 in Wageningen: soort D op 31-8-211 in Wageningen: etc. dag-soortenlijsten leveren betrouwbaardere nulwaarnemingen dan losse waarnemingen van 1 soort. Natuurmonitoring: trends in verspreiding berekenen Voorbewerking data dubbele records verstoren trefkansbepaling >> weglaten onnauwkeurige records (datum, xy-coördinaten) weglaten nulwaarnemingen genereren uit waarnemingen andere soorten Model per soort aparte closure periode -3 herhalingen per 1 x 1 kmhok per jaar occupancy submodel (glm), bezetting afhankelijk of hok vorig jaar wel/niet bezet (kolonisatie/extinctie van bezetting) gekoppeld trefkans submodel, glm met covarianten voor trefkans (losse telling of daglijst, meetprotocol als bekend) Rekenwerk LISA computer cluster (SURFsara) via UvA Bayesiaanse methode (R met WinBUGS/JAGS) Resultaten: zowel trefkansen (hulpmiddel) als occupancy (doel) 11
trefkans,7,6,5,4,3,2,1 176 186 196 26 216 226 236 246 6 dagnummer trefkans complete daglijsten incomplete daglijsten losse meldingen jaar occupancy (1 = alle hokken bezet waar ooit gezien in 199-21) 1,9,8 occupancy probability,7,6,5,4,3 opportunistische data meetnetdata,2,1 199 1992 1994 1996 1998 2 22 24 26 28 21 occupancy Argusvlinder 1,9,8 occupancy probability,7,6,5,4,3,2,1 1999 21 23 27 29 211 Grote keizerlibel 12
occupancy trend in opportunistische data 199-21 toename,4,3,2 soort soort afname,1 -,3 -,2 -,1,1,2,3 -,1 -,2 toename occupancy trend in onafhankelijke meetnetdata afname -,3 trend in opportunische data == trend in meetnet (correlatie =.9) occupancy trend in opportunistische data 1999-211 toename,6,5,4,3,2 afname,1 -,3 -,2 -,1,1,2,3,4,5,6 -,1 afname -,2 -,3 toename occupancy trend in meetnetdata trend in opportunische data == trend in meetnet (correlatie =.8) 13
trendbepaling met occupancy modellen werkt het (in het algemeen)? dagvlinders libellen sprinkhanen zoetwatervissen reptielen hogere planten zoogdieren broedvogels nachtvlinders amfibieën?? ' ' veel losse tellingen closure periode? te lage trefkans te ongelijke trefkans (diverse levensfasen) Vraag was: wat zijn occupancy modellen? en hoe helpen ze om orde uit chaos te halen? Antwoord: Occupancy modellen schatten aantal bezette hokken per soort en corrigeren voor trefkansen. Opportunistische data kan je dan corrigeren voor meetinspanning. Chaos data + occupancy model >> trends in verspreiding Betekenis voor natuurmonitoring: jaarlijks trends bepalen voor bepaalde soortgroepen gevolgen voor meetprogramma s bij aantal soortgroepen (volgende sprekers) nieuwe toepassingen in beeld (volgende sprekers) 14