Eignung von Citizen Science Daten zur Modellierung von Tagfalter-Habitaten

Vor dem Hintergrund der globalen Biodiversitätskrise rücken verlässliche Methoden zur Erfassung und Modellierung der Verbreitungsgebiete von Arten zunehmend in den Fokus. Citizen Science (CS) hat sich dabei als wertvolle Datenquelle etabliert. Aufgrund ihrer opportunistischen Erhebungsstruktur bringen CS Daten jedoch methodische Herausforderungen oft mit sich – etwa räumliche Verzerrungen und das Fehlen von Daten zur Abwesenheit von Zielarten. Diese Arbeit untersucht, inwieweit sich CS Daten aus dem Projekt Schmetterlinge Österreichs der Stiftung Blühendes Österreich zur Habitatmodellierung eignen. Dafür wurden für zehn Tagfalterarten MaxEnt-Habitatmodelle für Tirol und Vorarlberg erstellt und bewertet. Die Validierung der Modelle erfolgte mit Testdaten aus dem CS Datensatz selbst sowie zusätzlich extern, mit systematisch erhobenen Präsenz-Absenz Daten aus dem Viel-Falter Monitoring. Die Validierungsmetriken der internen Bewertung zeigen eine durchweg hohe Trennschärfe (AUC = 0,804 – 0,914), was zunächst auf eine gute Modellperformance hindeutet. Die Validierung mittels unabhängiger Daten – hier anhand von F1-Score, Präzision und Sensitivität – offenbart jedoch artspezifische Unterschiede: Die häufig dokumentierte Art Coenonympha pamphilus erzielte eine hohe Validierungsmetrik (F1-Score = 0,761), während seltener nachgewiesene Arten deutlich schlechter abschnitten (F1-Score = 0,183 – 0,243). Zwischen der Anzahl der für die Modellierung verwendeten Nachweise und der Modellperformance zeigte sich ein signifikanter Zusammenhang für F1-Score und Präzision, nicht jedoch für die Sensitivität. Bei vielen Arten war die Sensitivität im Verhältnis zur Präzision und zum F1-Score deutlich höher, was auf eine erhöhte Rate falsch-positiver Vorhersagen hindeutet.Die Modellierung von Verbreitungsmustern auf Basis opportunistisch erhobener CS Daten ist nur eingeschränkt geeignet, insbesondere aufgrund datenbedingter Verzerrungen (z. B. räumlicher Bias) und kleiner Stichprobengrößen. Die resultierenden Modelle sind vor allem für häufige Arten vergleichsweise verlässlich. Die Kombination von CS Daten mit Expertenmonitorings ermöglicht eine fundierte Bewertung der Modellperformance und zeigt Schwächen einzelner Datensätze auf. Damit liefert diese Arbeit praxisrelevante Hinweise für die wissenschaftliche Nutzung von CS Daten in der Habitatmodellierung und unterstreicht zugleich deren Potenzial.