In der vorliegenden Arbeit werden stationäre Markov-Ketten zur Modellierung relativer Deckungsgradanteile von Arten aus Offenlandbiotopen verwendet.
Es werden die Vegetationsaufnahmen (Braun-Blanquet-Methode oder vergleichbare) von 37 Dauerflächen aus der Literatur untersucht. Aus den relativen Deckungsgradanteilen der Arten im Zeitverlauf (neun bzw. elf Jahre) wird die Übergangsmatrix wird geschätzt. Als Schätzverfahren werden der Maximum-Likelihood-Schätzer nach LEE et al. (1970) und das Verfahren von ORLOCI et al. (1993) verwendet.
Im ersten Teil werden die Übergangsmatrizen auf der Basis aller neun bzw. elf Jahre geschätzt. Nach der Methode von ORLOCI et al. (Kurzform: FMR) erstellte Prognosen stimmen zu 65 %, die nach der Maximum-Likelihood-Methode (Kurzform: MCS) erstellten nur zu 54 % sehr gut bis gut mit der Beobachtung überein. Von den 37 Datensätzen sind 25 sowohl über die gesamte Zeitreihe (Mantel-Test) als auch für direkt aufeinander folgende Jahre (Mantel-Korrelogramm) autokorreliert. Für diese 25 Fällen liegt für die FMR-Prognose in 84 % und die MCS-Prognose in 68 % der Fälle eine gute Übereinstimmung mit der Beobachtung vor. Für die 19 Datensätzen, für die sowohl die FMR- als auch die MCS-Prognose eine gute Anpassung zeigen, sind 17 Datensätze nach beiden Tests signifikant autokorreliert.
Im zweiten Teil werden die Übergangsmatrizen nach der FMR- und der MCS-Methode für die ersten zwei bis fünf Jahre geschätzt und von den damit erstellten Prognosen die darauf folgenden fünf Jahren mit den Beobachtungsdaten der entsprechenden Jahre verglichen. Die FMR-Prognosen weisen hierbei zwischen 13,5 % (2 Jahre) und 37,0 % (5 Jahre) eine gute Anpassung auf, während dies bei den MCS-Prognosen in 10,8 % (2 Jahre) bis 33,3 % (5 Jahre) der Fälle zu trifft. Liegt eine sehr starke gerichtete Vegetationsentwicklung vor, so können drei Beobachtungsjahre ausreichen, um eine gute Prognose für die folgenden fünf Jahre zu erstellen. Im allgemeinen sollten jedoch die Übergangsmatrizen aus fünf Beobachtungsjahren geschätzt werden.
Das einfachere Schätzverfahren nach ORLOCI et al. ist bei den untersuchten Datensätzen dem Maximum-Likelihood-Verfahren von LEE et al. leicht überlegen: Bei den Prognosen über den gesamten Zeitraum (37 Prognosen) erzielt das FMR-Verfahren in 65 % eine gute Übereinstimmung, während dies für die MCS-Prognosen in 54 % der Fälle gilt. Werden aus kürzeren Zeiträumen die Übergangsmatrizen geschätzt, so sind die FMR-Prognosen durchschnittlich in 24 %, die MCS-Prognosen in 19 % der Fälle zufriedenstellend an die Beobachtungsdaten der fünf Folgejahre angepasst.
Auch wenn die Prognosen auf der Basis von bis zu fünf Jahren für die verwendeten Literaturdaten nur in wenigen Fällen eine sehr gute Anpassung zeigen, so ist der Einsatz von Markov-Ketten zur Prognose der Vegetationsentwicklung trotzdem erfolgsversprechend, wenn die folgenden Empfehlungen zur Optimierung der Datenerhebung und des Prognoseverfahrens beachtet werden:
Aufnahmemethodik: Einteilung der Dauerfläche in mindestens vier Teilflächen; Schätzung der Arten mit einer verfeinerten, reinen Deckungsgradskala, Bildung der Mittelwertes für die Gesamtfläche aus den Prozentwerten (Klassenmitten) der Teilflächen.
Definition der Zustände: Diese sollte stets an die spezielle Fragestellung angepasst werden. Für das Monitoring von Schutzgebieten zum Beispiel nur die wichtigsten Zielarten und deren potenzielle Konkurrenten als einzelne Zustände definieren und alle übrigen Arten in einen Zustand zusammenfassen.
Wechselnde Übergangsmatrizen: Für verschiedene Entwicklungsphasen, Nutzungswechsel oder Klimaschwankungen sollten separate Übergangsmatrizen geschätzt werden.
Verknüpfung zu Publikationen oder weiteren Datensätzen
