MOE-Fellowship

Aleksandra Zarzycka

Räumlich-statistische Modellierung der Kollisionsrisiken von Fledermäusen mit Windkraftanlagen

Die Entwicklung der erneuerbarer Energien ist ein wichtiger Teil der Strategie, um die vom Menschen verursachte globale Erwärmung und die durch Verwendung von fossilen Brennstoffen entstandene Umweltverschmutzung zu reduzieren. Obwohl erneuerbare Energiequellen oft als "grüne Energie" bezeichnet werden, können sie immer noch negative Auswirkungen auf die Umwelt haben. Ein Beispiel für eine solche negative Auswirkung ist die durch Kollisionen mit Windkraftanlagen erhöhte Mortalität von Fledermäusen. Das Ziel des Forschungsvorhabens war, die Faktoren zu untersuchen, die zu erhöhten Kollisionszahlen von Fledermäusen beitragen. Die Basis dafür waren Daten aus den polnischen Windparks. Besonderer Wert wurde auf die geografischen Variablen wie Bodenbedeckung gelegt. Durch den Einsatz von erworbenem Wissen wird es möglich, Karten des Kollisionsrisiko für die Gebiete, auf denen zukünftig Windenergieentwicklung in Westpolen erwartet wird, zu erstellen. Der Betreuer des Projektes Dr. Reinhard Klenke und die Arbeitsgruppe haben bereits solche Auswirkungen basierend auf deutschen Daten untersucht, weshalb ein Vergleich möglich wird. Bevor eine räumlich-statistische Modellierung durchgeführt werden konnte, mussten einige vorbereitenden Maßnahmen getroffen werden. Die aus den polnischen Regionaldirektionen für Umweltschutz erhaltenen Monitoring Berichte dienten als Datenquelle für die Fledermauskollisionen. Eine Datenbank mit 407 Kollisionen aus 16 Windparks wurde geschaffen. Zusätzliche Informationen wie Fledermausarten, Geschlecht, genaue geografische Lage, das Datum der Feststellung und Entfernung der Kadaver zu der Turbine wurden in die Datenbank eingefügt. Zur Untersuchung der Qualität der Eingangsdaten wurde eine weitere Datenbank, die Informationen über die in jedem Bericht verwendete Monitoringmethoden enthält, erstellt. Ein multiple lineare Regressionsmodell wurde verwendet, um die Beziehung zwischen der Anzahl der Kollisionen und den Monitoringmethoden aus den einzelnen Berichten zu analysieren. Die Vorhersagekraft des Modells war sehr gut mit R2 = 0,6085. Variablen mit der höchsten Bedeutung waren die Häufigkeit des Monitorings, der Radius um die Turbine in dem Kadaver gesucht wurden und die Verwendung von ausgebildeten Hunden bei der Kadaversuche. Die Auswahl der geographischen Variablen basiert auf dem Wissen aus der Biologie der Fledermäuse. Zum Beispiel sind die Umgebung von Oberflächengewässern und Waldränder wichtig für die Nahrungssuche, lineare Strukturen wie Baumreihen und Flüsse sind wichtig für die Orientierung, Wälder und menschliche Siedlungen bieten Rastplätze. 10 Landbedeckungskategorien wurden zunächst für die Modellierung gewählt: Oberflächengewässer, unterteilt in Seen und Flüsse, Waldgebiete, Sumpfgebiete und landwirtschaftliche Flächen, unterteilt in Getreidefelder und Wiesen, und menschliche Siedlungen. Mehrere Transformationen mussten durchgeführt werden um Eingangskarten für das Kollisionsverteilungsmodell vorzubereiten. Das Endprodukt waren Rasterkarten für jeden einzelnen Landbedeckungstyp mit einer Zellgröße von 50m. Jede Zelle enthielt den Abstand zu der nächsten Patchgrenze, mit negativen Werten innerhalb eines Patches und positiven außerhalb. Das zweite multiple Regressionsmodell wurde unter Verwendung von Entfernungsinformationen zu den wichtigsten Bodenbedeckungstypen und methodischer Variablen erstellt. Geographische Variablen mit der höchsten Bedeutung waren der Abstand zu den Landwirtschaftsflächen, der Interaktionskoeffizient von Landwirtschafts- und Waldflächen und der Interaktionskoeffizient von Waldflächen und Oberflächengewässern. Allerdings war die Vorhersagekraft des Modells gering R2 = 0,2438. Daher mussten komplexere Methoden der räumlich-statistischen Modellierung umgesetzt werden. Das Verfahren, das für diesen Zweck ausgewählt wurde, war die Ecological Niche Factor Analysis (ENFA). In der Arbeitsgruppe wurden zuvor ähnliche Analysen von Kollisionsdaten aus Brandenburg mit der Verwendung von ENFA gemacht. Dies wird zukünftige Vergleiche der Ergebnissen ermöglichen.