2023
Dissertation, RWTH Aachen University, 2023
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2023-08-21
Online
DOI: 10.18154/RWTH-2023-08502
URL: https://publications.rwth-aachen.de/record/968228/files/968228.pdf
Einrichtungen
Projekte
Inhaltliche Beschreibung (Schlagwörter)
arachnology (frei) ; biodiversity (frei) ; data (frei) ; database (frei) ; ecology (frei) ; spider (frei)
Thematische Einordnung (Klassifikation)
DDC: 570
Kurzfassung
Seit Carl von Linné begann die Natur zu klassifizieren und Flora und Fauna in ein hierarchisches System zu überführen, hat der Mensch immer fortschrittlichere Methoden entwickelt, um Biodiversitätsdaten zu sammeln, zu ordnen und zugänglich zu machen. Wurden diese Informationen früher noch auf papierbasierten Formaten wie Aktenordnern und Karteikarten gesammelt, begannen mit dem digitalen Zeitalter Bestrebungen, die Vorteile der neuen elektronischen Speichermöglichkeiten für Biodiversitätsdaten zu nutzen. Mittlerweile sind Billionen Biodiversitätsdaten frei zugänglich und nur einen Klick entfernt. Sekündlich kommen neue Daten hinzu, die mittlerweile auch von Citizen Scientists per Handykamera und Bilderkennungssoftware generiert werden und so für einen nie versiegenden Datenstrom sorgen. Um in dieser Datenflut nicht den Überblick zu verlieren, wurden von der Wissenschaftsgemeinschaft digitale Datenstandards entwickelt, um dafür zu sorgen, dass der Informationsaustausch auch zwischen verschiedenen Datenbanken, Systemen oder Institutionen möglich ist. Dennoch stehen Wissenschaftlerinnen und Wissenschaftler heute vor der Herausforderung, diese ganzen Daten auch auswerten zu können. Große Unterschiede in der Qualität, der Dokumentation oder der Verfügbarkeit von Metadaten machen es Wissenschaftlerinnen und Wissenschaftlern häufig schwer, die für ihre Fragestellungen passenden Datenpakete zusammenzustellen. Eine mögliche Lösung für dieses Problem stellt das Forschungsdatenrepositorium ARAMOB dar, in dem ausschließlich Spinnendaten aus systematischen und mit standardisierten Methoden durchgeführten Aufsammlungen gesichert und zur Verfügung gestellt werden. Dazu werden in dieser Arbeit Anforderungen und Datenfelder definiert, die ein Datensatz erfüllen muss, um in der ökologischen Forschung weiterhin sinnvoll einsetzbar zu sein. Diese Parameter werden weiterhin dazu genutzt um ein anderes, oft aus den Augen verlorenes Problem anzugehen. Im Zuge der Digitalisierung haben viele Biodiversitätsdaten aus der Vor- und Frühzeit der digitalen Revolution den Sprung vom Papier in das World Wide Web nie geschafft. Noch immer stehen in den Büros und Archiven der Universitäten, Bibliotheken und Forschungseinrichtungen der Welt unzählige Forschungsarbeiten, Projektberichte oder Artikel, die nur noch in gedruckter Version vorhanden, für kaum jemanden zugänglich und so einem hohen Risiko ausgesetzt sind, irgendwann für immer verloren zu gehen. Dabei sind gerade im Zuge des Klimawandels, der Globalisierung und des zunehmenden Artensterbens solche Daten unsere einzigen Möglichkeiten, einen Blick in die Vergangenheit zu werfen, um die Veränderungen unserer Ökosysteme besser zu verstehen und adäquate Schutzmaßnahmen ergreifen zu können. Um aus solchen Arbeiten wieder hochwertige und vor allem verfüg- und nutzbare Forschungsdatensätze zu generieren, wurden die oben ermittelten Parameter genutzt, um einen niedrigschwelligen, zeiteffizienten Workflow über die wichtigsten Schritte im Data Life Cycle zu entwerfen. Mit Hilfe dieses Workflows konnte eine große Menge an „gefangenen“ Biodiversitätsdaten für die Forschung mobilisiert und über ein Forschungsdatenrepositorium wieder zugänglich gemacht werden. Eine Zusammenführung solcher qualitätsgeprüften Daten, aus unterschiedlichen Quellen, vereinfacht die studien-übergreifende Auswertung und kann zu neuen ökologischen Erkenntnissen führen. Dazu wurden ökologisch-statistische Tools entwickelt, die automatisiert die Datenbestände des Repositoriums abfragen und diese so weit aufbereiten, dass mittels einer einfach zu bedienende graphische Weboberfläche artbasiert Analysen durchgeführt werden können. Mit Hilfe dieser Tools können die in ARAMOB vorhandenen Spinnendaten in Bezug auf verschiedene Parameter wie z.B. Höhe, Habitatpräferenz, Ökologische Nische (Feuchtigkeit, Licht) oder Phänologie ausgewertet werden. Abschließend wurden zwei ökologische Fallstudien durchgeführt, um die Möglichkeiten, die eine solche Forschungsumgebung für komplexe Meta-Analysen bietet, zu illustrieren. Basierend auf ca. 20 Jahre alten mobilisierten Daten aus Feldrainen in der intensiven Agrarlandschaft wurden diese Standorte 2018 erneut untersucht, um Änderungen in der Zusammensetzung der Artengemeinschaft zu untersuchen. Hier konnten nur wenige Unterschiede sowohl in der Diversität als auch in den Individuenzahlen detektiert werden. Signifikante Unterschiede konnten hier in einer Zunahme der mittleren Körpergröße und einem Rückgang hygrophiler Arten nachgewiesen werden. Darüber hinaus schien die Zusammensetzung der Spinnenzönose in den Standorten in diesem Zeitraum insgesamt stabil. In einer zweiten Fallstudie wurden ARAMOB Daten genutzt, um die Eignung von Spinnen als Erfolgsindikatoren bei Renaturierungsmaßnahmen für mesophiles Grünland auf ehemaligen Park- und Zierrasenflächen zu untersuchen. Hierbei wurde anhand regional ausgewählter Datensets gezeigt, wie wichtig Kenntnisse über den lokalen Artenpool sind, um realistische Ziele in Restaurierungsprojekten definieren zu können. Weiterhin konnten verschiedene Artengruppen und Parameter ermittelt werden, die die Entwicklung hin zu einer naturnäheren Wiesengesellschaft anzeigen können.Since Linnaeus' pioneering efforts to classify and organize the natural system of flora and fauna, humanity has made significant advancements in the collection, organization, and accessibility of biodiversity data. In the past, biodiversity data was primarily collected and stored in paper-based formats such as binders and index cards. However, with the advent of digital technology, efforts have been made to leverage electronic storage capabilities for the preservation and accessibility of biodiversity data. Today, billions of biodiversity data records are freely accessible and just a click away and the constant influx of new data, generated by both professional scientists and citizen scientists using modern technology such as cell phone cameras and image recognition software, ensures that this stream of information is continuously expanding. The scientific community has been developing and refining digital data standards to ensure that biodiversity data can be easily exchanged between different databases, systems, and institutions. However, scientists still face the challenge of effectively analyzing this vast amount of data. Variations in the quality, documentation, and availability of metadata often make it difficult for scientists to compile appropriate data sets for their research. One solution to this issue is the research data repository ARAMOB, which focuses solely on systematically collected spider community data. Mandatory requirements have been developed to ensure the quality and utility of the data for ecological research. Those parameters were also used to address a problem that is often overlooked: the loss of biodiversity data from the pre-digital and early digital eras. Despite the digitization of many data sets, a significant amount of biodiversity data from this period remains trapped in paper form, residing in the offices and archives of universities, libraries, and research institutions worldwide, and is thus largely inaccessible and at risk of being lost. This data is crucial for understanding the changes in our ecosystems in the face of climate change, globalization, as well as the increasing extinction rates of native species. Those datasets enable researchers to gain insights into past communities in our ecosystems and take appropriate protective measures for the future. A low-threshold, time-efficient workflow along the key steps in the data life cycle was developed, focusing on research quality datasets using above defined parameters. This workflow was used to mobilize a large amount of previously "trapped" biodiversity data for research and make it accessible again via the ARAMOB research data repository. Compiling high-quality datasets from various sources facilitates cross-study evaluations and can yield novel ecological insights. Therefore, specialized ecological-statistical tools have been developed, which enable automated querying of repository datasets and processing them for species-based analyses through a user-friendly graphical web interface. These tools can be utilized to evaluate the data on spider species within the ARAMOB repository, in relation to various parameters such as height, habitat preference, ecological niche (moisture, shading) and phenology. To demonstrate the potential of the ARAMOB repository for more complex meta-analyses, two ecological case studies were conducted. The first case study used approximately 20-year-old spider community datasets from field margins in intensive agricultural landscapes, which were resampled in 2018. The results revealed few differences in both species diversity and individual numbers, but significant differences in an increase in mean body size and a decrease in hygrophilous species. Additionally, the community structure in most sites appeared to be relatively stable during this period. The second case study utilized ARAMOB data to investigate the suitability of spiders as evaluation tools in restoration measures for mesophilic grassland on former park and ornamental grassland sites. Regionally selected data sets were carefully chosen to demonstrate the importance of understanding the local species pool to determine realistic targets in restoration projects.
OpenAccess:
PDF
(zusätzliche Dateien)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT030347941
Interne Identnummern
RWTH-2023-08502
Datensatz-ID: 968228
Beteiligte Länder
Germany