Challenges in statistical inference for large operational experiments

Frankfurt am Main

2006

S. 132-136

1 Abb., 31 Lit. Ang.

Artikel aus einer ZeitschriftUnselbständiges Werk

200132944

Großräumige waldbauliche Feldversuche sind oft multidisziplinär angelegt weisen daher vielfach einen hierarchisch aufgebauten Zielkatalog auf. Übergeordnete primäre Fragestellungen prägen das Versuchsdesign. Die Ergebnisse sollen allgemeingültige Erkenntnisse vermitteln und auf vergleichbare Flächenareale anwendbar sein. Zusätzliche sekundäre Teilversuche sind dagegen nur in die vorgegebene Struktur integriert, ohne Auswirkungen auf diese zu haben. Die Entwurfsphase einer Großraumstudie bietet die Gelegenheit, einen derartig differenzierten Zielkatalog genau zu planen und dessen Möglichkeiten und Beschränkungen ausreichend zu analysieren. Bereits in diesem frühen Stadium des Projektes sollten wichtige Entscheidungen in der Diskussion zwischen den beteiligten Fachdisziplinen gefällt werden. Um statistisch gesicherte Ergebnisse zu erhalten und gleichzeitig begrenzte Forschungsgelder effizient einzusetzen und gleichzeitig begrenzte Forschungsgelder effizient einzusetzen, müssen vor der Implementierung genaue Vorstellungen über das zeitliche und räumliche Versuchsdesign sowie über die Verfahren der Datenerhebung und Datenanalyse bestehen. Qualität und Präzision gemessener Daten definieren sich durch das Ausmaß der ihnen innewohnenden natürlichen Variation. Ein durchdachtes Versuchsdesign kann trotz beschränkter finanzieller Mittel ein hohes Maß an ökologischer Variabilität gewährleisten. Ein ausreichend großer Stichprobenumfang, die zufällige Zuordnung von Versuchsflächen (Randomisierung) und der zutreffende Zeitrahmen bieten die Möglichkeit, Zielkatalog und Versuchsdesign aufeinander abzustimmen. Insbesondere die Auswertung der Daten unterliegt statistischen Beschränkungen und Voraussetzungen. Der Wald ggeigneter vor allem aber zulässiger, Analyseverfahren kommt daher ebenfalls große Bedeutung zu. Anhand der Demonstration of Ecosystem Management Options (DEMO) Studie, werden diese schwierigen aber wichtigen Entscheidungsprozesse und die ihnen innewohnenden Probleme und Risiken (z.B. Pseudoreplikation und Datenkorrelation) beispielhalft verdeutlicht.