Open Access

Marc Kéry, Hans Schmid, Niklaus Zbinden

• Großräumige Monitoringprogramme stellen eine zweistufige Stichprobe dar: Zuerst wird eine räumliche Stichprobe ausgewählt und danach eine Stichprobe an beobachteten Individuen, besetzten Flächen oder Arten. Damit die in Monitoringprogrammen gewonnenen Zahlen interpretierbar bleiben, muss die räumliche Stichprobe „definiert zufällig“ erfolgen, ansonsten können Verfälschungen auftreten. Außerdem muss beachtet werden, dass Zählungen und Vorkommensbeobachtungen („Präsenz-Absenz-Daten“) binomiale Zufallsgrößen sind, ganz analog zum Wurf einer Münze. Die Binomialverteiltung stellt sozusagen das „Grundgesetz der Bestandserhebung“ dar und besagt, dass Zählungen (Z) erstens auch unter identischen Bedingungen automatisch streuen, und dass sie zweitens im Durchschnitt einem Anteil p der vorhandenen Bestände N entsprechen, wobei p die Antreffwahrscheinlichkeit darstellt. Drittens beinhaltet ein Vergleich zwischen zwei oder mehr Zählungen immer gleichzeitig einen Vergleich der Bestände N und der Antreffwahrscheinlichkeit p. Das bedeutet, dass ein Zeittrend in Zählungen zustande kommen kann durch einen realen Bestandstrend, durch einen Trend in der Antreffwahrscheinlichkeit oder durch eine Kombination von beidem. Eine direkte Interpretation von Zählungen impliziert immer die Annahme, dass p = 1 oder dass p konstant sei. Es ist nützlich, sich die Entstehung von Vogelzählungen hierarchisch, d. H. mehrstufig vorzustellen: In einem ersten Schritt entstehen die wahren Bestände und im zweiten die Zählungen in Abhängigkeit der Bestände und der Antreffwahrscheinlichkeit p. Extrainformation ist nötig, um die wahren Bestände korrigiert für p zu schätzen. Diese Extrainformation besteht in der Regel aus Distanzinformation oder aus wiederholten Beobachtungen, woraus Distance-Sampling- und Fangwiederfang- Methoden die echten Bestände oder das wahre Vorkommen zu schätzen vermögen. In den vergangenen Jahren haben wir im Schweizer Brutvogelmonitoringprogramm MHB mehrere Analyseverfahren vom Fangwiederfang-Typ getestet und stellen diese und unsere Befunde zusammenfassend kurz vor. Diese Methoden korrigieren für den binomialen „Beobachtungsfehler“, der allen Vogelzählungen und Vorkommensbeobachtungen inhärent ist. Wir glauben, dass man an Methoden wie den hier illustrierten eigentlich nicht vorbei kommt, wenn bei Monitoringprogrammen absolute Bestandsgrößen vonnöten sind oder wenn man für „gefährliche Muster“ in der Antreffwahrscheinlichkeit, z. B. Zeittrends in p, korrigieren möchte.
• Large-scale monitoring programs represent a two-level, nested sampling scheme: first, a spatial sample of quadrats or other study sites is selected, within which a second sample, of individuals, occupied quadrats or species, is chosen. To produce meaningful numbers, a monitoring program ought to be based on a spatial probability sample, otherwise the inferences obtained may be biased with respect to the desired statistical population about which one wants to learn something. Moreover, all bird counts and detection-nondetection records (misleadingly also called “presence-absence data”) are binomial random variables, much like the flip of a coin. The binomial distribution is the theoretical basis of all animal or plant surveys and explains and predicts all of their most salient features: 1. repeated counts C vary automatically, even under identical conditions; 2. on average, a count amounts to a proportion p of true population size N , where p is the detection probability, and 3. any comparison between two or more counts represents the simultaneous comparison of the associated true population size N and of the detection probability p. For instance, a temporal trend in counts may be due to a genuine trend in the underlying population size or to a trend in detection probability or to a combination of the two. Any direct interpretation of counts always implies one of two assumptions, either that of p = 1 or that of p < 1 constant. It is useful to think about the genesis of bird counts in a hierarchical way. In a first random process, the true population sizes are generated. In a second random process, the actual counts are generated conditional on these true population sizes and on detection probability. For inference about the underlying true population size free from distorting effects of the observation process, extra information is required, which usually comes as distance information or as repeated observation of a system within a period of closure. Then, distance sampling and capturerecapture methods can be used to estimate true population size or true distributions, corrected for imperfect detection. During the past few years, we have used data from the Swiss breeding bird survey MHB to experiment with, adapt and develop several such methods of the capture-recapture type. Here, we review these briefly, describe some of our key findings and provide pointers to more specific work. These methods correct counts and detection-nondetection data for the binomial observation error inherent in all bird observations. We believe that use of these methods is hard to avoid in a monitoring program if absolute population size or the absolute extent of distributional ranges, corrected for imperfect detection, are required, or if one needs to correct for “dangerous patterns” in detection probability, for instance time trends in p.