Dynamische Modellierung eines Rehwildbestandes in einem GIS

Zusammenfassung

In dieser Studie wurde erstmals ein Computermodell für Rehwild (Capreolus capreolus) in einem Geographischen Informationssystem (GIS) entwickelt und in einem Untersuchungsgebiet im Südwesten Deutschlands getestet (Abb. 1). Hierfür wurde das Verfahren zur Bestimmung der Standortwertziffer nachUeckermann (29) programmiert und ein Populationsmodell neu entwickelt (21). Das Computermodell analysiert für jedes Jahr die Standortwertziffer des Reviers (Tab. 3), wobei es Ortskenntnisse des Computernutzers integriert (Expertensystem). Zusammen mit der Jagdstatistik (Abb. 4) werden daraus die tatsächlichen Wilddichten berechnet (Abb. 5). Die jährliche Berechnung ist notwendig, um dynamische Veränderungen des Habitats zu erfassen. Die Dynamik wird im Falle der Schonungen besonders deutlich (Abb. 3) die zu den Wiesenflächen hinzugefügt wurden (Abb. 2). Hierin unterscheidet sich das Computermodell vonUeckermanns Verfahren.

Im Computermodell wurde der Zusammenhang zwischen real nutzbarer Zuwachsrate und Wilddichte quantifiziert (Tab. 2, Tab. 4). Die vorgestellten real nutzbaren Zuwachsraten führen zu einer überzeugenden Modellierung des Rehwildbestandes im Untersuchungsgebietes (Abb. 5) und einem Vorschlag für den zukünftigen Abschußplan (Abb.4).

Bis zur Verwendung von Computermodellen und Geographischen Informationssystemen in der Jagdpraxis werden sicherlich noch einige Jahre vergehen. Diese Studie aber zeigt, daß mit derartigen Modellen wichtige Erkenntnisse für die Jagdwissenschaft erzielt werden können. Zunehmende Digitalisierung der Forstkarten durch die Forstverwaltung können einen breiteren Einsatz des vorgestellten Modelles in der Zukunft vereinfachen.

Summary

In this study we present the first roe deer(Capreolus capreolus) model to work in a GIS framework. Currently there are major discussions between German foresters and hunters about suitable roe deer densities. Our objective was to model the dynamic relationship between roe deer and its forested habitat and provide a method to model deer population densities which can be used to optimise wildlife management.

The habitat model byUeckermann (29) was written as a computer program and a new population model was developed (21). The computerised habitat model calculates the habitat suitability for each year (Tab. 3) according to geology, grasslands, forest/field boundaries and tree species composition. In difference toUeckermann's model, forest plantations up to 5 years age (Fig. 3) were also regarded as grasslands (Fig. 2) as they fulfil a similar ecological role. An interactive user interface integrates knowledge of local hunters and foresters. The annual habitat value is then combined with hunting records (Fig. 4) in order to estimate roe deer population densities (Fig. 5). The iterative population model formulates the relationship between the usable reproduction rate and the population density (Tab. 2, Tab. 4) and leads to a suggestion for the future culling plan (Fig. 4).

The roe deer model was tested in a study site in the Southwest of Germany (Fig. 1). It was able to model the population densities of the study site convincingly (Fig. 5). Further improvements for the assessment of the habitat value are discussed.

This study demonstrates that GIS and modelling techniques can be important sources of knowledge for wildlife biologists. The increasing availability of digital forest maps will make the usage of the introduced model easier in future.

Résumé

Dans cette étude, nous présentons le premier modèle pour le Chevreuil(Caproelus caproelus) en environnement de SIG. Actuellement, il existe une forte polémique entre les forestiers et les chasseurs allemands au sujet de ce que devrait être la densité souhaitée de Chevreuils. L'objectif de cette étude est de fournir un outil d'aménagement faunique permettant de modéliser la densité de Chevreuil sur la connaissance de la dynamique entre celui-ci et son habitat.

Pour ce faire, nous avons utilisé le modèle d'habitat deUeckermann (29), couplé à notre propre modèle de population (21). Le modèle d'habitat calcule un indice de qualité de l'habitat pour chaque année (Tab. 3) sur la base de la géologie, la composition forestière, la présence de pâturages ainsi que de lisières forêt/champs. De plus, une interface interactive a permis d'incorporer les connaissances des forestiers et des chasseurs locaux sur l'utilisation des différents habitats par le Chevreuil. Nous avons traité les jeunes plantations (1–5 ans) (Fig. 3) comme des pâturages (Fig. 2) puisqu'ils remplissent un rôle écologique similaire. La valeur annuelle d'indice d'habitat fut combinée aux relevés de chasse (Fig. 4) pour ainsi estimer les densités de chevreuils (Fig. 5). Notre modèle de population tente alors de mettre en relation la densité et le taux de survie annuelle des faons (Tab. 2 et Tab. 4).

Le modèle a été testé sur un terrain de chasse situé au sud-ouest de l'Allemagne (Fig. 1). Les fluctuations de densités purent ainsi être modélisées de façon convainquante (Fig. 5). Nous discutons des améliorations possibles pour une évaluation plus adéquate de l'indice de qualité d'habitat.

Cette étude démontre que l'utilisation de SIG, combiné à la modélisation, est un outil puissant pour les biologistes de la faune. L'utilisation future de ce type de modèle sera facilitée par la disponibilité croissante de cartes forestières numériques.