Projektbeschreibung
Innovative Methode für mechanistische Modelle von Biodiversität
Da der Modellierung von Biodiversität gewisse Grenzen gesetzt sind, wurden als Antwort darauf mechanistische Gemeinschaftsmodelle entwickelt. Zwar kommen verschiedene Optionen als Grundlage für solche mechanistischen Modelle in Frage, doch in der hochentwickelten Biodiversitätsmodellierung sind sie nur begrenzt einsatzfähig. Das EU-finanzierte Projekt CLIMB will nun eine innovative statistische Methode einführen, die eine Antwort auf drängende grundlegende Fragen der Ökologie- und Biodiversitätsmodellierung liefert und völlig neue Perspektiven darauf bietet, wie wesentliche ökologische Herausforderungen lösbar werden. Im Projekt wird eine hinreichend große Zahl an Transferfunktionen getestet, die eine schnelle Feinjustierung der mechanistischen Modelle anhand der verfügbaren Eigenschaftsdaten ermöglichen. Dadurch eignen sich die Modelle noch besser für eine zuverlässige Vorhersage der Biodiversität. CLIMB wird passgenaue mechanistische Gemeinschaftsmodelle erarbeiten, nützliche Daten für lokale Wiesenpflanzenarten zusammentragen und empirische Daten auswerten.
Ziel
Mechanistic community models have been advocated as a response to the conceptual and practical limitations of correlative approaches to modeling biodiversity. Building from ecological theory, there are multiple frameworks that could potentially act as a basis for such mechanistic models. However, these options often include a the large number of demographic rates to estimate in species-rich ecosystems, and their direct connection to empirical data has often been limited to simplified settings, something that strongly limits their use for ambitious biodiversity-modeling projects. With CLIMB, we propose an innovative statistical methodology to overcome this challenge: we will connect community data with functional trait data in an array of carefully designed mechanistic community models.
More precisely, CLIMB aims to propose and test adequate transfer function(s) that allow
rapid calibration of mechanistic models with available trait data and make these models suitable for reliable biodiversity predictions. The CLIMB framework will be developed and tested with simulations and two empirical study cases of temporal dynamics of grassland plant communities dynamics in two different biomes. CLIMB consists in an outgoing phase focused on (1) studying the theoretical fundations of the framework and developing appropriate mechanistic community models; and (2) collecting functional data for local grassland plant species. The return phase will focus on (3) completing the development of the modelling framework and (4) analyzing empirical data.
Ultimately, CLIMB will answer pressing fundamental questions of ecology and biodiversity modelling and will offer the ground-breaking perspectives necessary to meet key environmental challenges faced by society today.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
93053 Regensburg
Deutschland