Ábrahám Levente (szerk.): Válogatott tanulmányok X. - Natura Somogyiensis 25. (Kaposvár, 2014)

Herczeg R. - Horváth Gy.: Újabb adatok Nyugat-Külső-Somogy kisemlős faunájához

Herczeg R. & Horváth Gy.: Adatok-Külső-Somogy kisemlős faunájához 207

az állatok nemét (nőstényeknél graviditást, laktálást is feltüntetve), korát, csapdaszámát és amennyiben szükséges volt a határozáshoz, fontos testméret paramétereket is mértünk. Az egyes mintavételi területek botanikai értékelésénél az ÁNÉR élőhely osztályozási rendszer alapján (Bölöni et al. 2011) megadtuk az adott élőhelyek típusát és GPS koordinátáit is (1. táblázat).

A kisemlősök vizsgálatában fontos tényező, hogy az eleven csapdázásos monitorozás során a kimutatás hiánya nem egyenértékű a teljes hiánnyal (pl. Takekawa et al. 2003). Ha az adott célfaj kevés egyeddel van jelen a területen vagy rejtőzködő életmódot folytat, akkor előfordulhat, hogy egy mintavételi periódusban nem tudjuk detektálni. Ez természetesen nem azt jelenti, hogy a vizsgált faj nincsen jelen a területen, csupán a detektáció nem volt tökéletes, ezt nem tökéletes detektációnak („imprefect detection”) nevezi a szakirodalomban (Mackenzie et al. 2002). A vizsgálataink során ha ezt elmulasztjuk megengedni - a faj jelen volt, de nem detektáltuk -, akkor az hibás területfoglalási, kolonizációs és helyi kihalási valószínűséghez fog vezetni (Mackenzie et al. 2006). Ebből kiindulva a jelenlét-hiány adatokat felhasználva könnyen megközelíthető és alkalmazható módszert fejlesztettek ki arra, hogy hogyan kezeljük az élőhely-foglalás értékelését, amikor a kimutatás valószínűsége kisebb egynél, ami a kisemlősök esetében csaknem mindig így van (Mackenzie et al. 2002, 2003, Mackenzie & Royle 2005). A területfoglalási valószínűségek becslése során két modelltípust használtunk fel. A Royle & Dorazio (2006) által kifejlesztett modellnél (továbbiakban: RD modell) a területfoglalási és detektálási valószínűségeket becsültük, amelyhez az összes faj fogástörténetét felhasználtuk, így az alábbi sematikus fogástörténeti mátrixot képezve:

Án

y i2

Ti/

y =

y 2i

y 22

y 2/í

,T»i

y,2

y«Rj

ahol minden sor egy faj (összesen n darab) detektálási történetének felel meg az R darab mintavételi időponton. Detektálási esemény (pl.:yll) pl.: egy 5 éjszakás csapdá- zási mintavétel, ahol, ha mind az öt nap megfogtuk a fajt, akkor yll = 5, ha csak egy alkalommal, akkor yl\ = 1. A modell megadja az átlagos detektálási és területfoglalási valószínűségeket, valamint ezeket külön-külön minden egyes fajra is megbecsli. Ennek a modelltípusnak azért van nagy jelentősége, mert azoknak a fajoknak is lehetővé válik a vizsgálata, amelyek nagyon alacsony egyedszámmal és/vagy fogásszámmal mutathatok ki (Royle & Dorazio 2006). Általában ezeket a fajokat kihagyják az elemzésekből, amely természetvédelmi szempontból nem megengedhető. A „multi-season” modell esetében (Mackenzie et al. 2003) a mintavételezés a Pollock-féle robusztus módszerrel történik (Pollock 1982), ahol az elsődleges periódusokon belül másodlagos periódusok is vannak. Ezzel a módszerrel lehetőség nyílik populációs szinten a detektálási és területfoglalási valószínűségek elsődleges periódusonkénti becslésére is. A vizsgálatunkban elsősorban a mintavételi hónapok e két valószínűségi változóinak az időbeli változására voltunk kíváncsiak a különböző fajok esetén.

Mindkét modelltípust Bayesian statisztikai megközelítésben használtuk fel. Az elemzéseket 3 lánccal 55000 iterációban 5000-enkénti égetéssel, az első 1000 elhagyásával végeztük. Mind a területfoglalás, mind a detektálási valószínűségeknél egyenletes eloszlást használtunk és a paraméterek nem tartalmaztak priori információt. A becsléseket R-ben (R Development Core Team 2013) az R2WinBUGS csomagon (Sturtz et al. 2005) keresztül a WinBUGS szoftverrel (Lunn et al. 2000) végeztük.