98 
Langzeitmodellierung zur Abschätzung von Trends und Risiken 
zum großen Teil durch veränderliche Witterungsbedingungen erklärbar sind. Eine entsprechende (leider 
nicht existente) Zeitreihe zu früheren Zeiten würde evtl, einen steigenden Trend zeigen, ohne dass es ge 
rechtfertigt wäre, hieraus auf eine Zunahme der Ölbelastung zu schließen. Unter Umständen könnten nume 
rische Simulationen dazu verwendet werden, wetterbedingte Veränderlichkeiten aus den Zeitreihen heraus 
zurechnen, um so relevante Trends auf Grund veränderter Einleitungen klarer sichtbar werden zu lassen. 
Interaktive Darstellung der Ergebnisse in einem Bayesschen Netzwerk 
Die den Abbildungen 1 und 2 zu Grunde liegenden sehr detaillierten und damit aufwändigen Simulationen 
münden In umfangreiche und schwer zu handhabende Datensätze. In vielen Fällen wird diese Fülle von 
Detailinformationen aber gar nicht benötigt. Chrastansky und Callies (2011) haben daher den Versuch un 
ternommen, die wesentlichen Zusammenhänge in den Simulationen summarisch In einem probabilistischen 
(Bayesschen) Netzwerk (z. B. Cowel et al. 1999) darzustellen. Um die Ergebnisse für praktische Anwendun 
gen einfacher zugänglich zu machen, wurde überdies für Ihre Darstellung eine übersichtliche graphische 
Oberfläche entwickelt, welche unter http://www.coastdat.de/oil_pollution Im Internet verfügbar Ist. 
lifiQ l<MS F97i 1980 19*90 7MH1 
Abb. 2 Rot: Jahresmittel der Anzahl von Partikeln, die nach den Modellrechnungen pro Jahr an die deutschen Küsten transportiert 
werden. Grün: beobachtete Anzahl verölter Trauerenten in Spülsaumfunden. Beide Kurven sind in standardisierter Form (Mltteiwert=0, 
Standardabwelchung=1) dargestellt