Maxent ist eine frei verfügbare Software, die zur Vorhersage der potenziellen Verbreitung (Habitatmodellierung) von Tier- oder Pflanzenarten auf der Grundlage punkthafter Verbreitungsangaben und bestimmter Umweltfaktoren dient. Maxent ist seit 2017 Open Source.

Maxent
Basisdaten

Entwickler S. Phillips, M. Dudik u. R. Schapire, unterstützt durch AT&T Labs-Research, Princeton University sowie Center for Biodiversity and Conservation, American Museum of Natural History
Aktuelle Version 3.4.1
(April 2017)
Betriebssystem plattformunabhängig (Java)
Kategorie Anwendungsprogramm
Lizenz MIT-Lizenz
deutschsprachig nein
biodiversityinformatics.amnh.org

Hintergrund

Bearbeiten

Die Kenntnis über die Verbreitung bestimmter Arten und das Verständnis ihrer Ansprüche an den Lebensraum ist beispielsweise wichtig, wenn geeignete Schutzgebiete geschaffen werden sollen. Die Abgrenzung des geeigneten Areals anhand oft nur weniger, isolierter Fundortangaben ist jedoch schwierig. Deshalb bedient sich die moderne Ökologie zur Lösung solcher Fragen zunehmend den Mitteln der Biodiversitätsinformatik. Maxent steht hier in einer Reihe verschiedener Softwarelösungen zur Verbreitungsmodellierung (etwa BIOCLIM, GARP u. a.).[1]

Maxent wurde zunächst in Java programmiert. Eine Implementation für die Statistiksoftware R (package maxnet, basierend auf logistischer Regression) liegt vor, der allerdings noch direkte Anbindung z. B. graphische Darstellungsmöglichkeiten fehlen.

Arbeitsweise

Bearbeiten

Die Modellbildung durch Maxent erfolgt auf Basis der Maximum-Entropie-Methode, einer Technik des Maschinellen Lernens. Als Eingangsgrößen benötigt Maxent georeferenzierte Daten: Einerseits Verbreitungsangaben als Punktinformation (X- und Y-Koordinate) der zu modellierenden Tier- oder Pflanzenart, andererseits geeignete Umweltvariablen (z. B. Klimafaktoren wie Niederschlag oder Temperatur, Informationen zur Höhenlage, Topographie etc.) im ASCII-basierten .asc-Format der Firma ESRI.[2] Die Software liefert als Resultat eine Karte, die die Wahrscheinlichkeit für das potenzielle Vorkommen der Art in einem bestimmten Gebiet darstellt sowie ergänzende statistische Interpretationshilfen, etwa eine Angabe der relativen Variablenbeteiligung an der Modellbildung, eine ROC-Kurve zur Bewertung der Modellgüte, Wirkungskurven (engl.: response curves) der eingegebenen Umweltvariablen, welche die Abhängigkeit der Modellgüte von den Ausprägungen der jeweiligen Umweltvariablen darstellen sowie einen Jackknife-Test, welcher den Anteil der dem Modell zugefügten Information einer jeden Umweltvariablen darstellt. Die Datenvorbereitung und Visualisierung des Resultats erfolgt in der Regel mit Hilfe von Geographischen Informationssystemen.

Literatur

Bearbeiten
  • Steven J. Phillips, Robert P. Anderson, Robert E. Schapire: A Maximum Entropy Approach to Species Distribution Modeling. Proceedings of the twenty-first international conference on Machine learning, Banff, Alberta, Canada, 2004, S. 83 ff. research.att.com (PDF)
  • Steven J. Phillips, Miroslav Dudík, Robert E. Schapire: Maximum entropy modeling of species geographic distributions. In: Ecological Modelling, 190, 2006, S. 231–259. cs.princeton.edu (PDF; 902 kB)
  • Steven J. Phillips, Robert P. Anderson, Miroslav Dudík, Robert E. Schapire, Mary E. Blair (2017): Opening the black box: an open-source release of Maxent. In: Ecography, 40.7, S. 887–893, doi:10.1111/ecog.03049
Bearbeiten

Einzelnachweise

Bearbeiten
  1. Jane Elith et al.: Novel methods improve prediction of species’ distributions from occurrence data. In: Ecography, 29, 2006, S. 129–151, doi:10.1111/j.2006.0906-7590.04596.x.
  2. Steven J. Phillips: A Brief Tutorial on Maxent. (Memento des Originals vom 17. Juni 2010 im Internet Archive)  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/www.cs.princeton.edu (MS Word; 1,5 MB)