Fischmonitoring im Murray River

Report
Sensornetzwerke ermöglichen Umweltmonitoring in höchster räumlicher und zeitlicher Auflösung. Raum-zeitliches Data Mining bietet ein geeignetes Analysewerkzeug, um die in derartigen Messnetzen entstehenden grossen …
Author

Bleisch, S., Laube, P., and Duckham, M.

Published

2013

[pdf]

Abstract

Sensornetzwerke ermöglichen Umweltmonitoring in höchster räumlicher und zeitlicher Auflösung. Raum-zeitliches Data Mining bietet ein geeignetes Analysewerkzeug, um die in derartigen Messnetzen entstehenden grossen Datenmengen hinsichtlich interessanter Zusammenhänge und Muster zu untersuchen. Dieser Artikel berichtet über den Einsatz von Sequenzanalyse und Assoziationsregelsuche in einem Umweltmonitoring- Programm zum Gesundheitszustand von Fischhabitaten im Südosten Australiens. Erste Resultate liefern vielversprechende Hinweise auf kausale Zusammenhänge zwischen Umweltvariablen und beobachteten Fischbewegungen.

Figures

Murray cod (Macculochella peelii) bereit zur Implantation des Radiosenders (links), verschiedene Radiosensoren (Mitte, Grösse der Münze entspricht einer Schweizer Fünffranken-Münze), Beobachtungsstation am Murray River (rechts). (Quelle: Arthur Rylah Institute, Melbourne.)

Schematische Skizze des beobachteten Flussabschnitts des Murray Rivers (links) im Südosten Australiens (rechts).

Fiktive Zeitreihen von Fischbewegungen und Umgebungsvariablen (z.B. Wassertemperatur), rote Flaggen mit Fischsymbol markieren Startpunkte von Fischbewegungen.

Statistisch signifikante (Χ2 = 195.9, df = 4, p-value < 0.01) Unterschiede zwischen den erwarteten und den festgestellten Fischbewegungen in den unterschiedlichen Wassertemperaturbereichen. Die beobachteten Fische bewegen sich deutlich weniger, wenn die Wassertemperaturen unter 10°C oder über 25 °C betragen, jedoch deutlich mehr im Bereich 10–20 °C.

BibTeX

@article{bleisch_fischmonitoringImMurrayRiver_2013,
 abstract = {Sensornetzwerke ermöglichen Umweltmonitoring in höchster räumlicher und zeitlicher Auflösung. Raum-zeitliches Data Mining bietet ein geeignetes Analysewerkzeug, um die in derartigen Messnetzen entstehenden grossen Datenmengen hinsichtlich interessanter Zusammenhänge und Muster zu untersuchen. Dieser Artikel berichtet über den Einsatz von Sequenzanalyse und Assoziationsregelsuche in einem Umweltmonitoring- Programm zum Gesundheitszustand von Fischhabitaten im Südosten Australiens. Erste Resultate liefern vielversprechende Hinweise auf kausale Zusammenhänge zwischen Umweltvariablen und beobachteten Fischbewegungen.},
 author = {Bleisch, Susanne and Laube, Patrick and Duckham, Matt},
 journal = {Geomatik Schweiz},
 pages = {247-249},
 title = {Fischmonitoring im {Murray} {River}},
 volume = {5},
 year = {2013}
}