Theorien und Methoden in der Ökologie und Evolutionsbiologie

Wir sind ständig dabei unser analytisches Handwerkszeug zu verbessern, indem wir Methoden zur Dantensammlung, Datenmanagement und Datenanalyse neu entwickeln und verfeinern.

 

Wir haben ein starkes Interesse an der Entwicklung von Computertools Methoden und Computermodellen, die uns helfen die Reaktionen von Wildtieren auf anthropogene Herausforderungen besser zu verstehen und vorauszusagen, gleichzeitig aber auch Theorien und Konzepte in der Wildtierforschung voranzutreiben. Um eine solide Grundlage zu schaffen, entwickeln wir Methoden zur Datensammlung, des Datenmanagements und der abschließenden Analyse. Hierbei konzentrieren wir uns auf Methoden und Protokolle von Hochdurchsatzverfahren wie automatisierte Kamerafallen oder Umwelt-DNS (environmental DNA = eDNA).

Wir setzen eine ganze Reihe von Ansätzen ein, die von statistischen und räumlichen Modellen bis hin zu mathematischen und vollwertigen dynamischen, individualbasierten, räumlich-expliziten stochastischen Simulationen reichen. Wir untermauern unsere empirischen Erkenntnisse mit der Entwicklung und Erweiterung von theoretischen Modellen. . Unsere Modelle und Tools werden der wissenschaftlichen Gemeinschaft über offene Repositories zur Verfügung gestellt, wie z.B. die R-Pakete NLMR, IsoriX (mit Abt. Evolutionäre Genetik, Abt. Evolutionäre Ökologie) und camtrapR (mit Abt. Evolutionäre Genetik). Unsere dynamischen Populationsmodelle werden bei CoMSES gehostet.

 

Theory and concepts:

Bush A, Sollmann R, Wilting A, Bohmann K, Cole B, Balzter H, Martius C, Zlinsky A, Calvignac-Spencer S, Cobbold CA, Dawson TP, Emerson BC, Ferrirer S, Gilbert MTP, Herold M, Jones L, Leendertz FH, Matthews L, Millington JDA, Olson JR, Ovaskainen O, Raffaelli D, Reeve R, Rödel M-O, Rodgers TW, Snape S, Visseren-Hamakers I, Vogler AP, White PCL, Wooster MJ, Yu DW (2017): Connecting Earth observation to high-throughput biodiversity data. NAT ECOL EVOL 1, 176. doi:10.1038/s41559-017-0176.

Radchuk V, Kramer-Schadt S, Grimm V (2019): Transferability of mechanistic ecological models is about emergence. TRENDS ECOL EVOL 34, 487-488. doi:10.1016/j.tree.2019.01.010

Radchuk V, de Laender F, Sarmento Cabral J, Boulangeat I, Crawford M, Bohn F, de Raedt J, Scherer C, Svenning JC, Thonicke K, Schurr FM, Grimm V, Kramer-Schadt S (2019): The dimensionality of stability depends on disturbance type. ECOL LETT 22, 674-684. doi:10.1111/ele.13226

Scherer C, Radchuk V, Franz M, Thulke H, Lange M, Grimm V, Kramer-Schadt S (2020): Moving infections: individual movement decisions drive disease persistence in spatially structured landscapes. OIKOS 129, 651-667. doi:10.1111/oik.07002

Statistical advancements:

Benhaiem S, Marescot L, Hofer H, East ML, Lebreton J-D, Kramer-Schadt S, Gimenez O (2018): Robustness of eco-epidemiological capture-recapture parameter estimates to variation in infection state uncertainty. FRONT VET SCI 5, 197. doi:10.3389/fvets.2018.00197

Kramer-Schadt S, Niedballa J, Pilgrim JD, Schröder B, Lindenborn J, Reinfelder V, Stillfried M, Heckmann I, Scharf AK, Augeri D, Cheyne SM, Hearn AJ, Ross J, Macdonald DW, Mathai J, Eaton J, Marshall AJ, Semiadi G, Rustam R, Bernard H, Alfred R, Samejima H, Duckworth JW, Breitenmoser-Wuersten C, Belant JL, Hofer H, Wilting A (2013): The importance of correcting for sampling bias in MaxEnt species distribution models. DIVERS DISTRIB 19, 1366-1379. doi:10.1111/ddi.12096

Tools, methods, workflows:

Abrams JF, Axtner J, Bhagwat T, Mohamed A, Nguyen A, Niedballa J, Sollmann R, Tilker A, Wilting A (2018): Studying terrestrial mammals in tropical rainforests – A user’s guide for camera-trapping and environmental DNA.

Abrams JF, Hörig LA, Brozovic R, Axtner J, Crampton-Platt A, Mohamed A, Wong ST, Sollmann R, Yu DW, Wilting A (2019): Shifting up a gear with iDNA: From mammal detection events to standardised surveys. J APPL ECOL 56, 1637-1648. doi:10.1111/1365-2664.13411.

Abrams JF, Vashishtha A, Wong ST, Nguyen A, Mohamed A, Wieser S, Kuijper A, Wilting A, Mukhopadhyay A (2019): Habitat-Net: Segmentation of habitat images using deep learning. ECOL INFORM 51, 121-128. doi:10.1016/j.ecoinf.2019.01.009

Axtner J, Crampton-Platt A, Hörig LA, Mohamed A, Xu CCY, Yu DW, Wilting A (2019): An efficient and robust laboratory workflow and tetrapod database for larger scale environmental DNA studies. GIGASCIENCE 8, giz025. doi:10.1093/gigascience/giz029.

Courtiol A, Rousset F, Rohwäder M-S, Soto DX, Lehnert LS, Voigt CC, Hobson KA, Wassenaar LI, Kramer-Schadt S (2019): Isoscape computation and inference of spatial origins with mixed models using the R package IsoriX. Tracking Animal Migration with Stable Isotopes (Eds. Hobson K & Wassenaar LI, Academic Press), Chapter 9, 207-236. doi:10.1016/B978-0-12-814723-8.00009-X.

Niedballa J, Sollmann R, Courtiol A, Wilting A (2016): camtrapR: An R package for efficient camera trap data management. METHODS ECOL EVOL 7, 1457-1462. doi:10.1111/2041-210X.12600.

Niedballa J, Wilting A, Sollmann R, Hofer H, Courtiol A (2019): Assessing analytical methods for detecting spatiotemporal interactions between species from camera trapping data. REMOTE SENS ECOL CONSERV 5, 272-285. doi:10.1002/rse2.107

Sciaini M, Fritsch M, Scherer C, Simpkins CE (2018): NLMR and landscape tools: An integrated environment for simulating and modifying neutral landscape models in R. METHODS ECOL EVOL 9, 2240-2248. doi:10.1111/2041-210X.13076