Zwischenbericht StUKplus (FKZ 0327689A) 
28.09.2010 
Seite 64 
Ausbringungsdesign 
Das zur Ausbringung der Messgeräte (C-PODs) entwickelte Systemdesign (Konzeption: 
FTZ, DMM und BSH) hat sich als robust genug erwiesen, um eine ganzjährige Stationierung 
der Geräte zu gewährleisten. Das System ist für die witterungsbedingten Anforderungen 
einer ganzjährigen Ausbringung in der Nordsee optimal ausgelegt, ein Verdriften bei Sturm 
kann ausgeschlossen werden (eine Überprüfung nach schweren Stürmen zeigte keinen Ein 
fluss auf die Positionen). 
Gleichzeitig zeigte sich, dass die Wartung und der Wechsel der Geräte durch den Einsatz 
von Tauchern eine im Tiefenbereich bis ca. 30 m zeitlich und damit auch ökonomisch sehr 
effektive Methode darstellt. 
Daten-Analyse 
Die vom Messgerät aufgenommenen Rohdaten werden in einem vom Hersteller bezeichne- 
ten cp1 -File abgespeichert. Die Software "cpod.exe" besitzt einen Mustererkennungsalgo 
rithmus, der die Rohdaten nach Lautsequenzen durchsucht und die vom Algorithmus er 
kannten Serien in einem neuen cp3-File File abspeichert. Der Algorithmus ordnet die Laut 
sequenzen in verschiedene Klassen, die so genannten Train-Filter ein ("high" = Lautsequen 
zen, die mit mittlerer Wahrscheinlichkeit von einem Schweinswal stammen; "moderate" = 
Lautsequenzen, die mit mittlerer Wahrscheinlichkeit von einem Schweinswal stammen; "low" 
= es besteht ein statistisch signifikantes Risiko, dass die Lautserie eher zufällig entstanden 
ist und nicht von einem Schweinswal stammt, sondern dass die; "?" = die Sequenzen sind 
sehr wahrscheinlich zufällig generiert und keine Schweinswal-Lautsequenzen). Grundlage 
für die Zuordnung in diese spezifischen Klassen ist die Frequenz und die zeitliche Abfolge 
der registrierten Laute. 
Ein Abgleich der Ergebnisse der automatischen Analyse mit den zuvor visuell identifizierten 
Lautsequenzen ("click-trains") zeigt, dass die Grundeinstellungen der automatische Analyse 
(empfohlen wir die Analyse der "hoher" und "mittlerer" Wahrscheinlichkeit einem Schweins 
wal zugeordneten Lautsequenzen) zu einem eher konservativen Ergebnis führen; es werden 
mehr Lautsequenzen verworfen, die der visuellen Analyse zufolge aber von einem 
Schweinswal stammen ("false negative detection") als fälschlicherweise Signale als Lautse 
quenzen eines Schweinswals identifiziert werden ("false positive detection"), die bei einer 
visuellen Analyse als Fremdgeräusche identifiziert wurden. Diese konservative Einstellung 
führt zu einer Unterschätzung der Präsenz von Schweinswalen im Erfassungsbereich der 
Geräte. In einem Gebiet mit niedriger Schweinswaldichte könnte diese Unterschätzung den 
Nutzen einer CPOD-Untersuchung theoretisch verringern, da jede fälschliche Ablehnung von 
korrekt aufgenommenen Lautsequenzen relativ gesehen eine größeren Einfluss auf das 
Endergebnis hat, als in Gebieten mit hoher Schweinswaldichte. Diese Unterschätzung 
könnte jedoch durch Einbeziehung anderer Detektionsklassen ("niedrige" Wahrscheinlichkeit 
und"?") kompensiert werden. 
Da es sich beim Untersuchungsgebiet im Vergleich zu beispielsweise der Ostsee jedoch 
eher um ein Gebiet mit hohem Schweinswalvorkommen handelt und alle Datensätze mit den 
gleichen Einstellungen analysiert werden müssen, wurde die konservative Einstellung bei 
der Analyse beibehalten. Die quantitative Unterschätzung der Detektionshäufigkeit gewinnt 
erst bei der Abundanz- oder Dichteabschätzung an Bedeutung. Die entsprechenden Verfah 
rensweisen befinden sich aber noch in der Entwicklung.