Projekt Auwaldinitiative

ökologisches Frühwarnsystem: AP5

Die Entwicklung eines Frühwarnsystems zur frühzeitigen Erkennung potenzieller Gefährdungen für die Biodiversität des Auwalds wurde eingeleitet. Ein Startpunkt lag auf der Recherche und systematischen Analyse der Habitatansprüche ausgewählter Zeigerarten durch das Bundesforschungszentrum für Wald – BFW. Diese Analyse bildet die Grundlage für eine vorausschauende Planung von Schutzmaßnahmen sowie für das Monitoring der biologischen Vielfalt in der Projektregion das Natura2000 Schutzgebiet „Auwald an der Grenzmur“ in der Süd-Steiermark. Für jede dieser Arten wurden die ökologischen Anforderungskategorien wie Lebensraum, Nahrungsangebot, Waldstruktur und artspezifische Merkmale analysiert.

Die Erstellung der Risikokarten und Arten-Verbreitungskarten im Projektgebiet erfolgte mit den Datengrundlagen der Feldaufnahmen vom Ökoteam (AP5 Datenerhebung) in den Jahren 2024, 2025. Dort fand ein Monitoring der 6 Zielarten, als auch der Umweltparameter statt. Diese dienten als Input-Grundlage für die Modellierungen (Verbreitungskarten mit ABC Modell und Risikokarten) und wurden von Beobachtungsdaten von GBIF und weiteren Umweltdaten als Geographische Umweltdaten (GIS) erweitert (Verbreiungsdaten mit erweitertem Modell). Die Outputs bzw. Ergebnisse der Modellierungen werden in Form von Karten (Risikokarten und Verbreitungskarten) im Frühwarnsystem genutzt.

Abbildung 1: Schema zur Modellierung im Rahmen des Arbeitspakets 6: links sind als Dateninputs die Umweltparameter und die Artenbeobachtungen dargestellt und rechts die Ergebnisse in Form von Risiko- und Verbreitungskarten. Die Umweltparameter setzten sich zusammen aus Felderhebungen (kategorische Parameter) und zusätzlichen GIS-Daten (kontinuierliche Parameter), die für die Region gesammelt wurden.

Modellierungen wurde durchgeführt, um folgende Fragen zu beantworten:

Wo sind potentielle Habitate für die Zeigerarten? (Verbreitungskarten)
Wie wird im Model deren Vorkommen von Umweltfaktoren beeinflusst? (Modellergebnisse)
Wo sind diese Risiken erhöht und Eingriffe notwendig? (Risikokarten)

Es wurden verschiedene Random-Forest Modellierungen durchgeführt basierend auf entweder den im Feld aufgenommenen kategoriellen Umweltparametern (im Folgenden “ABC-Modell” benannt) und mit zusätzlich gesammelten kontinuierliche GIS-Daten (im Folgenden “erweitertes Modell” genannt). Kategorielle Daten (siehe Tabelle 2) bestanden aus insgesamt neun Parametern zu Habitatstruktur (A-stukturreich, B- mäßig sturkturreich, C-strukturarm), Artenzusammensetzung (A – typisch, B – bedingt typisch und C- untypisch) und Störungen (keine/gering, B – mittel, C – stark). Zusätzlich dazu wurde zum ABC-Model noch der Parameter “Habitat-change” hinzugefügt. Dieser stellt die Veränderung der Habitatqualität seit der letzten Lebensraumkartierungen 2003 im Vergleich zu den aktuellen Kartierungen dar. Für das erweiterte Modell wurden kontinuierliche räumliche Daten gesammelt, um die Parameter 1-9 zu ergänzen und mit beispielsweise Fragmentierungsparametern, Karten von durch Satellitendaten detektierte Kronenschäden und räumliche Landschaftsparameter wie Distanz zu Flüssen und Seen und Baumartenvielfalt zu werweitern.

Frühwarnsystem: technische Umsetzung und Integration des Frühwarnsystems in bestehende Überwachungsstrukturen.

Das Frühwarnsystem wurde anhand von interaktiven Webkarten in einer neu eingerichteten temporären Website erstellt und öffentlich zugänglich gemacht. Dafür wurden die erstellten und mit der Modellierung errechneten Kartenlayer über einen webmap-service (wms) in einen öffentlichen Geoserver geladen und gestylt. Auf der Webseite wurden die Kartenansichten und -funktionalitäten (e.g. Auswahl-Panele und Legenden) über die JavaScript Bibliothek OpenLayers integriert. Die Dokumentation des Codes und der verwendeten Daten sind bei GitHub frei einsehbar (https://github.com/hoffjohanna/auwald_grenzmur_modelle) und die Implementierung kann anhand dem index.html-Code auch jederzeit auf eine beliebige andere Webseite umziehen. In diesem Html befinden sich der gesamte Website-Style, die interaktive Kartendarstellung mit Auswahl-Panelen, Legendendarstellungen und Website-Reiter. Die Seite wurde in ihrer Funktionalität im Webinar am 16. Oktober 2025 präsentiert und mit Teilnehmenden des Webinars aktiv getestet und für die Abschlussveranstaltung angepasst.

1) Verbreitungskarten

Es wurden verschiedene Random-Forest Modellierungen durchgeführt basierend auf entweder den im Feld aufgenommenen kategoriellen Umweltparametern (im Folgenden “ABC-Modell” benannt) und mit zusätzlich gesammelten kontinuierliche GIS-Daten (im Folgenden “erweitertes Modell” genannt). Kategorielle Daten bestanden aus insgesamt neun Parametern zu Habitatstruktur (A-stukturreich, B- mäßig sturkturreich, C-strukturarm), Artenzusammensetzung (A – typisch, B – bedingt typisch und C- untypisch) und Störungen (keine/gering, B – mittel, C – stark). Zusätzlich dazu wurde zum ABC-Model noch der Parameter Habitatveränderung hinzugefügt. Dieser stellt die Veränderung der Habitatqualität seit der letzten Lebensraumkartierung und deren Zustand im Jahr 2001 im Vergleich zu den aktuellen Kartierungen dar. Für das „erweiterte Modell“ wurden kontinuierliche räumliche Daten gesammelt, um die Parameter 1-9 (P1-P9) zu ergänzen und mit beispielsweise Fragmentierungsparametern, Karten von durch Satellitendaten detektierte Kronenschäden und räumliche Landschaftsparameter wie Distanz zu Flüssen und Seen und Baumartenvielfalt zu erweitern. Das erweiterte Modell zeichnet sich auch durch eine räumlich weitere Erfassung der gesamten Projektregion aus.

Die Methodik der Verbreitungskarten ist angelehnt an die Arbeiten von Paź-Dyderska et al. (2020). Für alle Analysen nutzten wir R (Version 3.5.3). Um die Verbreitungskarten der 6 Zielarten im Projektgebiet zu modellieren, verwendeten wir einen Random-Forest-Algorithmus. Hier werden Vorkommenswahrscheinlichkeiten jeder Art anhand der Zusammensetzung an (für die Art günstigen und ungünstigen) Umweltfaktoren berechnet. Dieses Verfahren eignet sich besser, weil manche positiven Nachweise der seltenen Arten (hier vor allem Grauspecht und Gelbbauchunke) im Gebiet sehr gering waren und klassische Modelle (z. B. logistische Regression) dadurch stärker verzerrt würden. Random Forest kann außerdem komplexe Zusammenhänge zwischen Variablen gut abbilden. Die Ergebnisse dieser Modellierung sind Verbreitungskarten der Zielarten sowohl für das ABC-Modell mit den kategoriellen Daten, als auch das erweiterte Modell mit den kontinuierlichen Parametern. Anhand von Statistiken wie (pdp plots – partial dependency) und Variablen Einfluss (varimp) konnten die wichtigsten Einflussparameter identifiziert und als „Risikokarten“ sichtbar gemacht werden.

2) Risikokarten

Die Erstellung der Risikokarten und Arten-Verbreitungskarten im Projektgebiet erfolgte mit den Datengrundlagen der Feldaufnahmen vom Ökoteam (AP5 Datenerhebung). Dort fand ein Monitoring der 6 Zielarten, als auch der Umweltparameter (siehe oben; Habitatstruktur, Artenzusammensetzung, Störungen) statt. Diese dienten als Input-Grundlage für die Modellierungen der Verbreitungskarten, ebenso die Grundlage für die Risikokarten. Die Parameter, die im Modell und den Statistiken dazu den höchsten Einluss auf die Verbreitungswahrscheinlichkeit der Zielarten hatten, wurden als Risikoparameter dargestellt.

Risikoparameter

Zustandsveränderung (2003-2019)
P1: Strukturarmut (=wenige Gehölzschichten)
P2: Mangel an Altbäumen (>35cm Durchmesser)
P3: Mangel an Totholz
P4: Baumartenmischung (=geringe Baumartenvielfalt)
P5: Standortfremde Gehölze (Bäume)
P6: Neophyten in Krautschicht (Bodenvegetation)
P7: Verbiss durch Wild
P8: Kronenschäden
P9: gestörte Hydrologie
Fragmentierung (Edge density – Verhältnis von Umfang zu Fläche eines Waldstückes)

Interpretation der Modelle zu Artenverbreitungen

Zur Interpretation der Modelle erstellten wir Partielle Abhängigkeitsdiagramme (pdp – Partial-Dependence-Plots), die zeigen, wie einzelne Umweltvariablen die vorhergesagte Wahrscheinlichkeit beeinflussen (Abbidung 3). Die Variablenbedeutung (varimp – variable importance) bestimmten wir über den Anstieg des Modellfehlers (RMSE), wenn einzelne Variablen zufällig durchmischt werden (Abbldung 4). Anhand dieser Plots können Sets aus Einflussfaktoren für jede Zielart herausgearbeitet werden (Abbildung 5). Folgende Aussagen kann man aus diesen Sets angelehnt an die Modellergebnisse herausarbeiten (Abbildung 5):

Das Verbreitungsmodell für den Scharlachkäfer ist besonders sensibel gegenüber (ggü) Totholzmangel und Habitatveränderungen. Die Modelle sind exzellent geeignet für die Risikoeinschätzung des Scharlachkäfers
Das Verbreitungsmodell für den Hirschkäfer ist ebenso sensibel ggü Totholzmangel und Habitatveränderungen. Das Modell ist sehr gut geeignet, um die Risiken des Hirschkäfers im Auwald einzuschätzen.
Das Verbreitungsmodell für den Kammmolch ist stark beeinflusst von hydrologsichem Regime, sensibel ggü. Habitatqualitätsänderungen, aber auch Neophyten in der Krautschicht, Mangel an Totholz haben einen mittelstarken Einfluss. Das Modell ist sehr gut geeignet, um die Risiken des Hirschkäfers im Auwald einzuschätzen.
Die Verbreitungsmodelle für den Grauspecht und Mittelspecht sind abhängig von Altholzbeständen, wobei der Mittelspecht ebenso eine Totholzabhängigkeit und eine höhere Sensibilität ggü. Zustandsveränderungen des Habitatqualitt aufweist, das Modell des Mittelspechts ist dabei exzellent und verlässlich, das de Grauspechts eher mangelhaft.
Das Verbreitungsmodell für die Gelbbauchunke wird vor allem negativ beeinflusst von Anomalien des hydrologischen Regimes und Habitatveränderungen. Hier ist das Model sehr gut geeignet für die Einschätzung der ABC-Risikofaktoren, nicht aber der kontinuierlichen Parameter.

Diese Ergebnisse sind jedoch mit Vorsicht zu genießen und stellen lediglich Korrelationen, keine Kausalzusammenhänge dar. Auch können Sekundäreffekte nicht ausgeschlossen werden. Modellstatistiken der zwei Modelle geben Aufschluss über die Modellgüte. Dabei zeigt sich das ABC in allen Bereichen eindeutig am robustesten und aussagekräftigsten. Deshalb werden für das Frühwarnsystem vor allem Umweltdaten und die Verbreitungskarten des ABC-Modells dargestellt (außer Cucujus und Triturus).

Abbildung 2A: ABC-Modell der kategorischen Umwelt-Parameter. Dieses Modell konnte nur im Gebiet erstellt werden, wo Feldbegehungen stattgefunden haben.

Abbildung 2B: Erweiterten Modell der kontinuierlichen Umwelt-Parameter. Hier ist eine Übertragung auf das gesamte Grenzmur-Gebiet möglich.

Abbildung 3: Variablenimportance partielle Abhängigkeitsdiagramme (pdp – partial dependende plots) der kategorischen Variablen für die Verbreitungswahrscheinlichkeit des Mittelspechts (Leiopicus medius) anhand des ABC-Modell. Die Balken zeigen die Wertebereichen der jeweilige Parameter und deren Einfluss auf die Vorkommenswahrscheinlichkeit der Art an. Habitat grade change – Änderung der Habitatqualität, vertical tree structure – Vertikalstruktur (P1), Top 5 tree diameter – Vorkommen großer Stammdurchmesser (P2), Deadwood – Totholz (P3), Tree mixture– Baumartenmischung (P4), IAS canopy – Neophyten auf Kronenniveau (P5), IAS understory – Bodenvegetation (P6), Browsing– Wildeinfluss/Verbiss (P7), Crown damage – Kronenschaden (P8), natürliche Hydrologie – Natural Hydrologie (P9)

Abbildung 4: einzelne Variablenbedeutung für die Verbreitungswahrscheinlichkeit des Mittelspechts (Leiopicus) anhand ABC-Modell. Positive Werte bedeuten einen höhere Aussagekraft des Models wenn dieser Parameter vorhanden; bei negativen Werten verliert das Modell an Aussagekaft mit dem Parameter. Parameter1-Vertikalstruktur, Parameter2-Stammdurchmesser, Parameter3-Totholz, Parameter4-Baumartenmischung, Parameter5-Neophyten, Parameter6-Bodenvegetation, Parameter7-Wildeinfluss, Parameter8-Kronenschaden, Parameter9-Hydrologie, habitatchange – Änderung der Habitatqualität seit den letzten LRT Aufnahmen 2001

Abbildung 5: Interpretation der Einflüsse der Gefährdungen auf die Zielarten. (“0” kein nachweisbarer Einfluss, “X” schwacher Einfluss, “XX” mittlerer Einfluss, “XXX” starker Einfluss). Die Sternchen zeigen die Modelgüte des ABC Models, sowie des kontinuierlichen Models.

Veroffentlichungen der Karten

Während der Projektlaufzeit wurden die Karten in lokalen Veranstaltungen und Workshops Teilnehmenden gezeigt, erklärt und miteinander diskutiert. Nach Projektabschluss wurden die Webkarten auf der Website des NUKV Steiermark veröffentlicht: https://www.nukv.at/riskmaps/

Datenschutzrichtlinien

Die Verwendung der Karten läuft über den INSPIRE Kartendienst des Land-, forst- und wasserwirtschaftlichen Rechenzentrums (LFRZ). Die Daten sind öffentlich zugänglich. Gemäß der DSGVO Artikel 13 gibt es EU-weit eine Informationspflicht bei Erhebung von personenbezogenen Daten bei der betroffenen Person. Folglich muss jeder Seitenbesucher/jede Sitenbesucherin über die Erhebung seiner/ihrer personenbezogenen Daten informiert werden. Hierfür ist eine Datenschutzerklärung notwendig. Ein Verweis dazu wird bei der Nutzung der Website integriert. LFRZ Datenschutzhinweis

Projekt Auwaldinitiative

Kontakt