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 2013
Natuurmonitoring Gestandaardiseerde meetprogramma’s (meetnetten) - voorgeschreven meetmethode - vaste meetinspanning - goede spreiding meetlocaties nagestreefd trends in populatie-aantallen
1
Meetnetten
RAVON
PROVINCIES FLORON
NMV
SOVON
VLINDER STICHTING
ZOOGDIER VERENIGING
BLWG
locaties 1x1 km gestandaardiseerde monitoring na 1990
dagvlinders
libellen
amfibieen
reptielen
locaties opportunistische data 1x1 km na 1990 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
meetnetdata
opportunistische data
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 2006
4
!
!
!
!
!
!
!
!
% %
&
" "
#
$
" &
" $
" %
(
!
$
'" "
5
'
"
! ) & '"
&
!
!
!
"
" " " "
!
!+
!*' "
!
'
0 1!*'" 2
'
0 '"
,-../, 0 1!* 0
2
$
$ ,-../,
$
$ /,/,
3
'
"
'"
&
$
!
!
!
!
!
!
!
!
!
"
" " "
!*' '
!+ 0 '"
,-../, 0!
/,/,
6
5 '
"
%
'
'"
"
&
4
4
"
4
'"
!
!
!
!
Ja, maar niet bij één bezoek!
5 '
( "
"
(
(
(
!
'" !
!
!
!
7
5 '
(
"
(
(
(
"
'"
! ! 6 ( 77
!
( %
! "
88 77
'
! '"
"
twee bezoeken '
"
'" !
!
'" !
detectiegeschiedenissen :
0 0 0 1 1
0: 0: 1: 0: 1:
!
4 keer 1 keer 1 keer 1 keer 1 keer
8
ipv 8 hokken 200 km-hokken 1 0,5
0,5 1
0,5 0,5
0 0 : afwezig
0
100
100
0 0 : aanwezig, niet gezien
50
0
25
0 1 : aanwezig, 1 x gezien
50
0
25
1 0 : aanwezig, 1 x gezien
50
0
25
1 1 : aanwezig, 2 x gezien
50
100
25
Paanwezig Pgezien
andere P’s >> andere detectiegeschiedenissen omdraaien: detectiegeschiedenissen >> P’s afleiden !
waarnemingen in 200 km-hokken Jaar 1
Jaar 2
0 0 : aanw/afw, niet gezien
125
100
0 1 : aanwezig, 1 x gezien
25
10
1 0 : aanwezig, 1 x gezien
25
10
1 1 : aanwezig, 2 x gezien
25
80
0,5 0,5
0,9 0,5
Pgezien Paanwezig
Stel langer inventariseren jaar 2 >> Pgezien verandert maar Paanwezig 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 (> 0.1) voldoende hokken met herhaalde bezoeken binnen jaar
10
Detectiegeschiedenissen vereisen nullen en enen: nullen genereren uit bezoeken waarbij andere soorten zijn waargenomen
voorbeeld: soort A gezien op 31-8-2011 in Wageningen: 1 soort B gezien op 31-8-2011 in Wageningen: 1 soort C op 31-8-2011 in Wageningen: 0 soort D op 31-8-2011 in Wageningen: 0 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 • 0-30 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 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 176
186
196
206
216
226
236
246
256
dagnummer dagnummer
trefkans
complete daglijsten
incomplete daglijsten losse meldingen jaar
occupancy (1 = alle hokken bezet waar ooit gezien in 1990-2010) 1 0,9
occupancy probability
0,8 0,7
opportunistische data meetnetdata
0,6 0,5 0,4 0,3 0,2 0,1 0 1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
Argusvlinder
occupancy 1 0,9
occupancy probability
0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1999
2001
2003
2005
2007
2009
2011
Grote keizerlibel
12
occupancy trend in opportunistische data 1990- 2010 toename
0,04 0,03
soort soort
0,02 0,01
toename
afname
0
-0,03
-0,02
-0,01
0
0,01
0,02
0,03
occupancy trend in onafhankelijke meetnetdata
-0,01 -0,02
afname
-0,03
trend in opportunische data == trend in meetnet (correlatie = 0.9)
occupancy trend in opportunistische data 1999-2011 toename
0,06 0,05 0,04 0,03 0,02 0,01
afname
toename
0
-0,03
-0,02
-0,01 0 -0,01 -0,02
afname
0,01
0,02
0,03
0,04
0,05
0,06
occupancy trend in meetnetdata
-0,03
trend in opportunische data == trend in meetnet (correlatie = 0.8)
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
