Atlante

    Carte e diagrammi altitudinali

    Per la maggior parte delle specie, nell’Atlante 2013-2016 viene rappresentata sia la distribuzione attuale, sia la sua variazione rispetto al 1993-1996. A seconda del database, per gli uccelli nidificanti in Svizzera abbiamo potuto stendere carte in vari gradi di dettaglio. Vengono rappresentate anche la distribuzione altitudinale e la sua variazione.

    Oltre alla frequenza e alla distribuzione, anche il database differisce da specie a specie. Di alcune specie conosciamo i siti di tutti i nidi, per altre sulla base dei mappaggi possiamo calcolare le densità per quadrato chilometrico. Per specie difficili da rilevare possiamo dire qualcosa soltanto riguardo alla probabilità di presenza ma non conosciamo le densità. Per tenere conto di queste differenze, per la rappresentazione spaziale delle popolazioni e la sua variazione dal 1993-1996 abbiamo sviluppato vari tipi di carte. Per ogni specie abbiamo deciso quale tipo di carta fosse più significativo. Nella tabella del capitolo «Metodi di rilevamento delle specie» (pp. 53-59) viene indicato con quale tipo di carta viene rappresentata la situazione nel 2013-2016 e la variazione della popolazione dal 1993-1996.

    Carta della densità 2013-2016

    Utilizzando i dati dei mappaggi, per 75 specie relativamente diffuse e almeno localmente frequenti abbiamo potuto stendere carte della densità.

    Basandoci sul numero di territori rilevati per sopralluogo di mappaggio e con 16 diverse variabili ambientali, abbiamo stimato il numero di territori per specie per tutti i quadrati chilometrici della Svizzera e il Principato del Liechtenstein. A questo scopo abbiamo utilizzato un Binomial Mixture Model. Ciò corrisponde a una Poisson regression, nella quale si include anche la probabilità di contattare la specie. In questo modo abbiamo tenuto conto del fatto che, durante un sopralluogo di mappaggio, viene scoperta solo una parte degli uccelli effettivamente presenti.

    Abbiamo determinato i valori delle 16 variabili ambientali per tutti i quadrati chilometrici che si trovavano completamente o parzialmente in Svizzera, come pure per quadrati chilometrici all’estero nei quali erano stati effettuati mappaggi. Per sette variabili di superficie (nr. 1-7 nella tabella Variabili ambientali), basandosi sulla Statistica della superficie secondo la nomenclatura NOAS04 è stata determinata, per ogni quadrato chilometrico della Svizzera e del Principato del Liechtenstein, la percentuale delle varie superfici. Per gli anni 2013-2016 abbiamo utilizzato la Statistica della superficie del 2004-2009. Per quadrati chilometrici all’estero (senza Liechtenstein) i valori sono stati ricavati da dati del CORINE Land Cover 2012 (rilevamento dati nel 2011-2012), in maniera il più possibile analoga alla Statistica della superficie. Cinque ulteriori variabili (nr. 8-12 nella tabella Variabili ambientali) sono state calcolate per il periodo 2013-2016 in base al Modello topografico del paesaggio o alla serie di dati di VECTOR25. Per pochi chilometri quadrati all’estero i relativi dati di base sono stati digitalizzati in un secondo tempo sulla base delle attuali carte topografiche 1:25 000. I dati sull’apporto di azoto (nr. 13 nella tabella Variabili ambientali) sono stati determinati dalla ditta Meteotest su incarico dell’Ufficio federale dell’ambiente e valgono per l’anno 2010. Tre variabili (nr. 14-16 nella tabella Variabili ambientali) si basano sul Modello altimetrico digitale che ricopre la Svizzera con un reticolo a maglie di 25 m. Per ciascun nodo viene indicato un valore (ad es. livello del mare). Per ogni quadrato chilometrico, abbiamo calcolato la media dei valori di tutti i nodi all’interno del quadrato e utilizzato questa media covariata.

    Spesso non per tutte le variabili era possibile stimare il loro influsso sulla densità di una specie, soprattutto perché alcune di esse erano fortemente correlate. Per questo, per ciascuna specie si è proceduto a un’eliminazione graduale di variabili se il loro influsso era solo difficilmente valutabile e, in base alla biologia della specie, non era previsto alcun impatto sulla densità. Per poter modellizzare esplicitamente l’autocorrelazione spaziale, abbiamo utilizzato Penalized 2D-Splines. Questo era importante poiché una specie, nonostante un habitat idoneo, può mostrare differenze regionali di densità. Con l’inclusione di quadrati chilometrici all’estero appena oltreconfine, si sono potuti evitare possibili effetti margine che possono verificarsi nel caso di analisi di dati mediante splines. Per finire, per evitare possibili artefatti in alta montagna, in tutti i quadrati chilometrici al di sopra di una quota fissata per ogni specie abbiamo considerato la densità uguale a zero. Con i valori dei parametri stimati dal modello abbiamo così potuto stimare il numero di territori per ognuno dei circa 41 000 quadrati chilometrici della Svizzera e del Principato del Liechtenstein. Per la maggior parte delle specie, in un ridotto numero di quadrati chilometrici le stime erano irrealisticamente elevate. Per la rappresentazione ottica abbiamo corretto questi valori verso il basso: tutti i valori che si trovavano oltre un limite massimo superiore, fissato in precedenza, sono stati ridotti al valore di questo limite. Per cinque specie abbiamo fissato il valore massimo manualmente (Ballerina gialla, Luì grosso, Luì verde, Passera europea e Passera d’Italia). Per le restanti specie quale limite superiore abbiamo scelto il quantile del 99,5 % dai valori stimati per tutti i quadrati chilometrici. Per il calcolo del quantile del 99,5 %, sono stati tralasciati in anticipo i quadrati con una densità stimata di meno di 0,05. Allo scopo di ottenere una rappresentazione accattivante dal punto di vista visivo, i valori stimati sono stati leggermente smussati (smoothing) con un’interpolazione.

    Carta della variazione della densità

    Per 70 delle 75 specie per le quali abbiamo calcolato una carta della densità per il 2013-2016 abbiamo potuto stendere una carta della variazione della densità, che descrive i cambiamenti della densità avvenuti tra il 1993-1996 e il 2013-2016. Al contrario dei dati del 2013-2016, con i dati del 1993-1996 non era possibile includere nella stima delle densità la probabilità di contattare una specie. Questo perché i dati del 1993-1996 comprendevano solo la somma dei territori trovati per specie e quadrato chilometrico, ma non il numero di territori trovati per sopralluogo di mappaggio. In maniera analoga a quella per la stesura delle carte della densità, per ogni quadrato chilometrico abbiamo stimato una densità per il periodo 1993-1996, come pure per il periodo 2013-2016, questa volta senza tuttavia tenere conto della probabilità di contattare una specie. Il database era rappresentato dai mappaggi dei relativi periodi. Al contrario del modello che integra la probabilità di contattare una specie, nel quale viene modellizzato, quale variabile di risposta, il numero di territori trovati per sopralluogo, abbiamo qui utilizzato quale variabile target il numero di territori trovati per quadrato chilometrico.

    Analogamente alle carte della densità, quali variabili predittrici abbiamo utilizzato le stesse 16 variabili ambientali. Per le variabili fiumi e torrenti, rive lacustri, altitudine sul livello del mare, esposizione e pendenza, abbiamo utilizzato gli stessi valori per entrambi i periodi. Per le restanti variabili abbiamo calcolato separatamente i valori per il 1993-1996, basandoci sulla Statistica della superficie 1992-1997, sui dati del CORINE Land Cover del 1990, come pure sul database del VECTOR25. I dati sull’apporto di azoto ci sono stati forniti dalla ditta Meteotest e sono validi per l’anno 1990. Per ogni specie, per il 1993-1996 e il 2013-2016 abbiamo utilizzato lo stesso set di variabili ambientali. Per l’analisi dei dati abbiamo utilizzato un Generalized Linear Model invece di un Binomial Mixture Model.

    Abbiamo dovuto inoltre tenere conto del fatto che nel 1993-1996 per tutte le specie era stato posto un limite superiore riguardo al numero dei territori. Se un osservatore aveva ad esempio trovato più di dieci fringuelli territoriali, non era più tenuto a continuare a mappare questa specie. Per poter stimare, nonostante ciò, il numero effettivo di territori, nella formulazione del modello è stata integrata questa cosiddetta censura. Per ottenere la comparabilità dei dati abbiamo censurato i dati dei mappaggi effettuati nel 2013-2016 in maniera analoga alla procedura applicata nel 1993-1996. I risultati così calcolati erano in parte insoddisfacenti e non corrispondevano alle valutazioni di esperti o ai trend stimati tramite il progetto «Monitoraggio uccelli nidificanti diffusi» (MUNiD). In questi casi abbiamo completato i dati censurati dei mappaggi con dati non censurati provenienti dal MUNiD. I dati dei mappaggi del periodo 1993-1996 sono stati completati con i dati MUNiD dell’anno 2000, i dati del periodo 2013-2016 con dati MUNiD del 2016. In questo modo, in alcuni casi abbiamo potuto migliorare la stima della densità e della variazione della densità.

    Per la rappresentazione, abbiamo smussato separatamente le stime per il 1993-1996 e per il 2013-2016. In una prima fase, abbiamo calcolato per ogni quadrato chilometrico la media delle stime della densità di tutti i nove quadrati contenuti in una matrice di 3 × 3 km con al centro il corrispondente quadrato, inserendo in seguito questa media quale valore per il quadrato chilometrico centrale. Per finire abbiamo calcolato, per ogni quadrato chilometrico, la differenza di questi valori smussati tra i due periodi 1993-1996 e 2013-2016.

    Le 16 variabili ambientali utilizzate, il loro significato e il database per i due periodi 1993-1996 e 2013-2016. Fonti v. testo.

    © Quellen s. Text

    Carta della variazione della distribuzione

    Per 21 specie, per la maggior parte piuttosto rare, abbiamo potuto stendere una carta della variazione della distribuzione. A questo scopo abbiamo stimato la probabilità di presenza specie-specifica per quadrato chilometrico anche per il periodo 1993-1996, utilizzando i dati dei mappaggi, delle liste complete di osservazioni, come pure le segnalazioni casuali degli anni 1993-1996 e analizzandoli con un Site-Occupancy Model.

    Per 608 dei 2934 mappaggi del 1993-1996 i risultati, disponibili su carta, dei mappaggi di tutti i sopralluoghi sono stati digitalizzati. Per queste superfici si avevano quindi a disposizione ripetute segnalazioni nel corso di una medesima stagione, fatto che ci ha permesso, mediante un Site-Occupancy Model, di stimare la probabilità di contattare una specie. Al contrario, per gran parte dei mappaggi del 1993-1996 era noto soltanto se una specie fosse stata osservata o meno, in qualche momento, durante i tre sopralluoghi. Per potere analizzare anche questo tipo di dati, abbiamo esteso il classico Site-Occupancy Model nella maniera seguente: se una specie non era stata trovata per niente, o era veramente assente, oppure era passata inosservata per tre volte; ciò accade con una probabilità di (1 – p)3, dove p è la probabilità di contattare la specie durante un sopralluogo, che ha potuto essere stimata in base ai dati dei 608 mappaggi registrati posticipatamente. In questo modo, basandoci sui diversi tipi di dati a disposizione abbiamo potuto calcolare anche per gli anni 1993-1996 una probabilità di presenza per quadrato chilometrico. In maniera analoga alla procedura utilizzata per le carte della variazione della densità, abbiamo smussato le stime della probabilità di presenza mediante una matrice 3 × 3 km e abbiamo calcolato la differenza di questi valori smussati tra i due periodi 1993-1996 e 2013-2016.

    Carta della distribuzione basata sulla stima della densità

    Per specie diffuse con grandi territori avevamo spesso a disposizione un numero sufficiente di segnalazioni provenienti dai mappaggi nei quadrati chilometrici per stendere una carta della densità. Tuttavia, in questo modo risultavano perlopiù densità troppo elevate, poiché durante i mappaggi spesso venivano contati anche individui i cui territori si trovavano in larga misura all’esterno del quadrato chilometrico. Per Fagiano di monte, Nibbio bruno, Poiana, Gheppio, Picchio nero e Corvo imperiale, abbiamo quindi deciso, tramite la formula v = 1 – edi Wright, di trasformare la stima della densità in una stima della probabilità di presenza, dove N rappresenta il numero stimato di territori per quadrato chilometrico e v la probabilità di presenza da esso derivata. Basandoci sui dati così trasformati, per queste specie abbiamo rappresentato la situazione nel 2013-2016 e la variazione della presenza dal 1993-1996.

    Carta della distribuzione 2013-2016

    Per 47 specie abbiamo steso carte di distribuzione sulle quali, invece della densità, era rappresentata la probabilità di presenza per quadrato chilometrico. Si tratta di specie piuttosto rare per le quali, a causa del numero troppo esiguo di osservazioni durante i mappaggi nei quadrati chilometrici, non si sono potute stendere carte della densità. Quali fonti di dati abbiamo utilizzato, da un lato, i dati provenienti dai mappaggi, dall’altro anche le liste complete di osservazioni e le segnalazioni casuali di osservatrici e osservatori iscritti presso la Stazione ornitologica quali collaboratori volontari (Servizio d’informazione ornitologico SI). Poiché non abbiamo modellizzato la densità ma soltanto la presenza (presenza/assenza), abbiamo ridotto i dati dei mappaggi a dati presenza/assenza (valori > 1 sono stati considerati uguali a 1). Abbiamo quindi considerato soltanto se, durante un sopralluogo, la specie era stata trovata o no. Anche tramite le liste complete di osservazioni abbiamo ottenuto direttamente per ogni specie un dato riguardo a presenza/assenza. Per le segnalazioni casuali abbiamo costituito segnalazioni di assenza in maniera analoga a Kéry et al.: se un collaboratore SI segnalava, ad esempio, uno sparviere ma nessun picchio rosso mezzano, abbiamo considerato ciò come una segnalazione di assenza. Solo le specie delle categorie di segnalazione A e B potevano essere trattate in questa maniera; nel caso di specie della categoria di segnalazione C abbiamo dovuto limitarci ai dati dei mappaggi e delle liste complete di osservazioni (per la definizione delle categorie di segnalazione v. Schmid et al.). Con l’utilizzazione dei tre tipi di dati (mappaggi, liste complete di osservazioni e segnalazioni casuali) i vantaggi dei vari set di dati hanno potuto essere combinati: i mappaggi garantivano una buona distribuzione geografica e coprivano i vari tipi di habitat, le liste di osservazioni e le segnalazioni casuali aumentavano notevolmente la copertura spaziale.

    Per sette specie delle zone umide (Tuffetto, Tarabusino, Porciglione, Gallinella d’acqua, Forapaglie macchiettato, Salciaiola e Cannareccione), quali indicazioni di presenza/assenza abbiamo tenuto conto anche dei dati provenienti dai singoli sopralluoghi di mappaggio del progetto «Monitoraggio uccelli nidificanti delle zone umide» (MZU). Ciò è dovuto al fatto che, in primavera, a causa dello loro statuto di protezione alcune zone umide particolarmente importanti non vengono praticamente percorse e per questo sono poco coperte dalle altre fonti di dati.

    Quali variabili esplicative abbiamo utilizzato le medesime 16 variabili ambientali considerate per le carte della densità. Analogamente alla procedura per le carte della densità, abbiamo ridotto la gamma delle variabili per determinate specie, modellizzato l’autocorrelazione spaziale con Penalized 2D-Splines e, in tutti i quadrati chilometrici posti oltre un’altitudine specie-specifica, abbiamo considerato la presenza uguale a zero. Quale metodo di analisi abbiamo scelto un Site-Occupancy Model. Analogamente al Binomial Mixture Model, si poteva così includere la probabilità di contattare una specie. Quest’ultima è stata stimata separatamente per ogni tipo di dati (mappaggi, liste complete di osservazioni e segnalazioni casuali). In maniera analoga alla procedura per le carte della densità, quale unità di spazio per la modellizzazione abbiamo utilizzato un quadrato chilometrico: abbiamo cioè stimato, per tutti i quadrati chilometrici della Svizzera, con quale probabilità una specie vi era effettivamente presente come nidificante. Nella maggior parte dei casi abbiamo rappresentato la probabilità di presenza stimata dal modello. In alcuni casi abbiamo invece rappresentato la presenza realizzata. Quest’ultima è una combinazione tra stima prodotta dal modello e dati grezzi. Concretamente ciò significa che, su una superficie con una segnalazione della specie, è sempre stata indicata una presenza certa, indipendentemente dal fatto che, per quella superficie, il modello stimasse un’elevata probabilità di presenza o meno. Se invece per una superficie non esisteva alcuna segnalazione, la presenza realizzata corrispondeva alla probabilità di presenza stimata dal modello. Da un lato sono state trattate in questo modo specie come la Tottavilla, per le quali gran parte delle presenze sono state anche effettivamente trovate e segnalate dagli osservatori. Dall’altro abbiamo proceduto in questo modo per molte specie delle zone umide, perché molte di queste zone vengono frequentate in maniera relativamente intensiva da parte di ornitologi oppure perché la copertura tramite «Monitoraggio uccelli nidificanti delle zone umide» (MUZ) è piuttosto completa e perciò è molto probabile che le specie presenti in questi habitat vengano trovate. Per una rappresentazione accattivante dal punto di vista visivo abbiamo smussato leggermente i valori, in maniera analoga alla procedura scelta per le carte della densità.

    Carta per punti 2013-2016

    La distribuzione di 75 specie rare e nidificanti in colonie è stata rappresentata con una carta per punti. Quale database abbiamo utilizzato le segnalazioni provenienti dai mappaggi dei quadrati chilometrici, liste complete di osservazioni e segnalazioni casuali, come pure rilevamenti specifici (ad es. mappaggi per il «Monitoraggio uccelli nidificanti delle zone umide» (MZU), monitoraggio del Corvo comune). Da questi dati abbiamo calcolato il numero di territori o di coppie nidificanti per luogo e anno. Sulla carta, un punto corrisponde rispettivamente al numero medio di territori o di coppie nidificanti per unità spaziale negli anni 2013-2016. Per i nidificanti in colonie abbiamo scelto quale unità spaziale una colonia. Nelle agglomerazioni abbiamo di norma raggruppato i dati per un’intera città o un intero quartiere. Per gli uccelli acquatici, abbiamo scelto quale unità spaziale singoli specchi o corsi d’acqua o tratti di essi. Per specie molto rare abbiamo inserito un punto quando, almeno in uno degli anni 2013-2016, aveva potuto essere effettuata un’osservazione con un codice Atlante sufficientemente elevato.

    Carta della variazione per punti

    Per 21 specie abbiamo steso carte della variazione a livello di punti. A questo scopo abbiamo rappresentato la variazione del numero di territori o di coppie nidificanti per unità spaziale. Ciò è stato possibile solo per specie per le quali, già negli anni 1993-1996, si conoscevano il luogo e il numero medio di coppie nidificanti delle singole colonie o i siti di nidificazione. Spesso esisteva qualche incertezza sul luogo della presenza nel 1993-1996. Per tenere conto di questa insicurezza e per maggiore chiarezza, sulla carta della variazione per punti i siti posti a breve distanza uno dall’altro sono stati raggruppati. Su quest’ultima carta alcuni luoghi indicati separatamente sulla carta per punti non sono quindi riportati singolarmente.

    Diagramma altitudinale

    Accanto alla distribuzione spaziale, nell’Atlante 2013-2016 viene presentata anche la distribuzione delle singole specie lungo un gradiente altitudinale. A questo scopo abbiamo suddiviso i dati rappresentati sulle carte in fasce di 100 m di altitudine. Abbiamo sommato la presenza stimata per fascia altitudinale, dividendola poi per la somma, calcolata per tutta la Svizzera, della presenza stimata per la specie considerata. In questo modo abbiamo potuto calcolare per ogni fascia altitudinale la percentuale rispetto alla popolazione totale. Questa percentuale è stata poi rappresentata nei diagrammi altitudinali.

    Per molte specie abbiamo potuto raffigurare anche la variazione della distribuzione altitudinale. A questo scopo abbiamo calcolato, per ogni fascia altitudinale, come sono cambiati gli effettivi tra il 1993-1996 e il 2013-2016, dividendo poi questo valore per la somma degli effettivi attuali (2013-2016). Da questo calcolo è risultata la variazione relativa degli effettivi per fascia altitudinale, quale percentuale degli effettivi globali degli anni 2013-2016. Abbiamo raffigurato questo valore sulla destra dei diagrammi altitudinali. In tal modo, la lunghezza delle barre dei due grafici è direttamente confrontabile. La distribuzione altitudinale per il periodo 1993-1996 può essere letta facilmente, sottraendo gli aumenti dallo stato attuale o sommandovi le diminuzioni.

    La variazione della distribuzione altitudinale ha potuto essere rappresentata solo per specie che già nel 1993-1996 disponevano di un’eccellente database. In alcuni casi ci siamo quindi dovuti limitare a mostrare soltanto lo stato attuale della distribuzione altitudinale.

    Validazione

    Le carte e i diagrammi altitudinali sono stati sottoposti a diversi esperti delle varie specie per essere validati. Se il risultato non era soddisfacente, abbiamo tentato di migliorare le stime con una scelta sensata delle variabili ambientali, orientandoci in particolare alle esigenze ecologiche della specie. Se, in questo modo, non era possibile ottenere un’ottimizzazione, veniva scelto un approccio più conservativo. Se per una specie non era possibile ottenere una carta soddisfacente della densità, veniva optato per una carta della distribuzione. Se quest’ultima era insufficiente, abbiamo utilizzato i dati grezzi e rappresentato la distribuzione a livello di quadrato Atlante. Abbiamo proceduto in questo modo sia per la rappresentazione della situazione nel 2013-2016 che per rappresentare la variazione dal 1993-1996.

    Poiché, verso l’alto, la superficie e con essa la quantità dei dati a disposizione diminuiscono fortemente, spesso per i modelli era difficile stimare correttamente il limite superiore della distribuzione di una specie. Stime poco realistiche diventano visibili soprattutto nel diagramma altitudinale. In questi casi abbiamo adattato il limite altitudinale superiore, oltre il quale la densità o la probabilità di presenza venivano poste manualmente a zero.

    Software utilizzati

    Abbiamo elaborato i dati mediante il software R 3.3.2. Per l’analisi statistica abbiamo utilizzato JAGS 4.2.x. I dati per le carte per punti sono stati elaborati mediante il software QGIS.

    Testo: Nicolas Strebel

    Bibliografia

    Bossard, M., J. Feranec & J. Otahel (2000): CORINE land cover technical guide - Addendum 2000. Technical report No 40. European Environment Agency, Copenhagen.

    Bundesamt für Landestopografie (2007): VECTOR25. Das digitale Landschaftsmodell der Schweiz. Produkteinformation. Bundesamt für Landestopografie Swisstopo, Wabern.

    Bundesamt für Statistik (2014): Arealstatistik nach Nomenklatur 2004 – Standard. GEOSTAT-Datenbeschreibung. Bundesamt für Statistik BFS, Neuchâtel.

    Bundesamt für Statistik (2015): Die Bodennutzung in der Schweiz. Auswertungen und Analysen. Statistik der Schweiz, Fachbereich 2, Raum und Umwelt 002-0905. Bundesamt für Statistik (BFS), Neuchâtel.

    Kammann, E. E. & M. P. Wand (2003): Geoadditive models. Appl. Stat. 52: 1–18.

    Kéry, M., J. A. Royle, H. Schmid, M. Schaub, B. Volet, G. Häfliger & N. Zbinden (2010): Site-occupancy distribution modeling to correct population-trend estimates derived from opportunistic observations. Conserv. Biol. 24: 1388-1397.

    MacKenzie, D. I., J. D. Nichols, G. B. Lachman, S. Droege, J. A. Royle & C. A. Langtimm (2002): Estimating site occupancy rates when detection probabilities are less than one. Ecology 83: 2248–2255.

    Office fédéral de la statistique (2015): L’utilisation du sol en Suisse. Exploitation et analyse. Statistique de la Suisse, domaine 2, Espace et environnement 002-0906. Office fédéral de la statistique (OFS), Neuchâtel.

    Péron, G., Y. Ferrand, F. Gossmann, C. Bastat, M. Guénézan & O. Gimenez (2011): Escape migration decisions in Eurasian Woodcocks: insights from survival analysis using large-scale recovery data. Behav. Ecol. Sociobiol. 65: 1949–1955.

    Plummer, M. (2016): JAGS: A program for analysis of Bayesian graphical models using Gibbs sampling. Version 4.2.x.

    Press, W. H., S. A. Teucholsky, W. T. Vetterling & B. P. Flannery (1996): Numerical recipes in C. The art of scientific computing. 2nd ed. Cambridge University Press, Cambridge.

    QGIS Development Team (2017): QGIS Geographic Information System. Open Source Geospatial Foundation Project.

    R Core Team (2016): R: a language and environment for statistical computing. R Foundation for Statistical Computing, Wien.

    Rihm, B. & B. Achermann (2016): Critical Loads of Nitrogen and their Exceedances. Swiss contribution to the effects-oriented work under the Convention on Long-range Transboundary Air Pollution (UNECE). Environmental studies no. 1642. Federal Office for the Environment, Bern.

    Royle, J. A. (2004): N-mixture models for estimating population size from spatially replicated counts. Biometrics 60: 108–115.

    Schmid, H., M. Burkhardt, V. Keller, P. Knaus, B. Volet & N. Zbinden (2001): Die Entwicklung der Vogelwelt in der Schweiz/L’évolution de l’avifaune en Suisse. Avifauna Report Sempach 1, Annex/annexe. Schweizerische Vogelwarte/Station ornithologique suisse, Sempach.

    Swisstopo (2005): DHM25. Das digitale Höhenmodell der Schweiz. Produktinformation. Bundesamt für Landestopografie Swisstopo, Wabern.

    Wright, D. H. (1991): Correlations between incidence and abundance are expected by chance. J. Biogeogr. 18: 463–466.