Trendanalyse und Belastungsindikatoren

Hintergrund und Zielsetzung

Wissenschaftlich belastbare Daten über die Bestandsentwicklung von Wildbienen in Agrarlandschaften liegen bisher nur vereinzelt vor – ein bundesweit einheitlicher Datensatz fehlt. Um historische Trends im Bestand von Wildbienenarten in Agrarlandschaften zu erkennen und Einflüsse von Umweltveränderungen zu verstehen, werden bereits bestehende Daten zusammengetragen (z. B. aus der Fachliteratur und entomologischen Beständen). Sie werden im Hinblick auf räumliche und zeitliche Muster untersucht.

Aus der Analyse von Wildbienendaten im Landschaftskontext sollen weiterhin geeignete Indikatoren für Habitatveränderungen abgeleitet werden, die im Zusammenhang mit den Änderungen von Wildbienenbeständen stehen. Diese Belastungsindikatoren sollen in einem zukünftigen bundesweiten Wildbienen-Monitoring rechtzeitig Bestandstrends von Wildbienen in Agrarlandschaften anzeigen.

Auf der Grundlage der Ergebnisse der Trendanalyse und der Belastungsindikatoren soll schließlich ein Konzept für die Nutzung von Umwelt- und Landschaftsdaten in einem zukünftigen bundesweiten Monitoring von Wildbienen in Agrarlandschaften entwickelt werden (siehe wildbienen.thuenen.de).

Vorgehensweise

Die Ergebnisse der Trendanalyse und der entwickelten Belastungsindikatoren geben Aufschluss über die für Wildbienen relevanten Umweltfaktoren auf unterschiedlichen räumlichen Skalen (z. B. Landnutzung, Landschaftsstrukturen). Daraus werden Belastungsindikatoren entwickelt und auf ihre Eignung hin untersucht. Außerdem fließen die Umweltinformationen in die Standortauswahl für ein bundesweites Monitoring von Wildbienen in Agrarlandschaften ein. Um Anschluss an andere Monitoring-Vorhaben auch auf europäischer Skala zu ermöglichen, basiert die Auswahl geeigneter Standorte auf dem LUCAS-Grid (Land Use and Coverage Area frame Survey). Darüber hinaus werden auf der Grundlage der für Wildbienen relevanten Umweltfaktoren Routinen zur datenbasierten räumlichen und zeitlichen Modellierung von Wildbienen in Agrarlandschaften für die Anwendung mit zukünftigen Monitoringdaten entwickelt und getestet.