Mogelijke instrumenten

In deze paragraaf worden verschillende instrumenten en de aard van de gegenereerde antwoorden besproken. Bovendien zal worden gekeken wat de voor- en nadelen zijn van gebruik van de verschillende hulpmiddelen. Voordat dit besproken kan worden is het noodzakelijk een duidelijke definiëring te geven van de soort instrumenten waar we het over hebben. Het karakter van deze systemen en modellen wisselt namelijk nogal sterk.

3.2.1 Aanbevelingen, gericht op soorten, soortengroepen, systemen of locaties

Onder deze kop worden alle vormen van aanbevelingen verstaan die niet computermatig worden aangeboden. Dit zijn meestal geschreven adviezen, bijvoorbeeld in de vorm van een rapport. Omdat ‘papier geduldig is’, kunnen dergelijke aanbevelingen alle mogelijke vormen aannemen, zeer soort- of locatiespecifiek zijn maar ook heel algemeen van aard. Aanbevelingen kunnen zeer heterogeen van samenstelling zijn (bv. veel detail bevatten over bepaalde soorten en weinig over andere) of juist heel systematisch opgebouwd. Er zijn dus nauwelijks algemene uitspraken over te doen.

Wij verstaan hier onder de term ‘aanbevelingen’ ook andere niet-digitale vormen van wetenschappelijke kennis verstaan die bedoeld zijn voor de ondersteuning van de beheerspraktijk. Voorbeelden zijn overzichten die inzicht verschaffen in de relatie tussen vegetatie en beheer enerzijds, en het voorkomen van faunasoorten anderzijds.

3.2.2 Vuistregels

Vuistregels kunnen binnen dit project worden gedefinieerd als: ‘globaal opgaande regels maar ook berekeningsformules die bruikbaar zijn in de informatiebehoefte wat betreft de habitat- en corridorfunctie van bermen voor fauna’. Zij kunnen gebaseerd worden op empirische kennis en kunnen dan de vorm krijgen van aanbevelingen. Het is echter ook mogelijk om vuistregels af te leiden uit modelberekeningen. Het zijn dan veralgemeniseerde resultaten van de modellen, die voor het gebruik verder modelonafhankelijk zijn. De meeste kwalitatieve vuistregels zullen op eenvoudige modellen gebaseerd zijn, daar eenvoudige modellen meer inzicht verschaffen en vaker tot algemeen geldende resultaten leiden dan complexe modellen (Verboom, 1996). Goed gekalibreerde complexere modellen kunnen echter ook kwantitatieve vuistregels genereren (Verboom, 1996).

Het voordeel van vuistregels is dat er weinig of geen data voor nodig zijn, daar het geen model is. Bovendien zijn vuistregels per definitie ruim toepasbaar en kunnen zij vrijwel altijd voor de gebruiker begrijpelijk worden gemaakt.

3.2.3 Kennissystemen

Deze systemen bevatten de kennis van een expert of uit de literatuur op een bepaald terrein, in de vorm van regels. Ze bestaan meestal uit een set van beslisregels die toegepast worden op door de gebruiker ingevoerde data, met als doel de ingevoerde verbanden voor de dataset zichtbaar te maken. Het systeem vraagt de specifieke inputparameters waarop de modeloutput gebaseerd wordt en draagt met behulp van kennisregels een interpretatie aan (naar: Worm, 1994). Indien de interne verbanden van het model grotendeels stoelen op deskundigenoordeel spreekt men van een expertsysteem (Eng.: expert system). Expertsystemen (of expertmodellen) worden hier opgevat als een vorm van kennissystemen.

Kennis- en expertsystemen verschillen op een tweetal niveaus van advies dat aangedragen wordt door experts:

1. De bepalende parameters worden routinematig aan de gebruiker aangeboden, ook die parameters waaraan een expert of gebruiker in eerste instantie niet denkt, of geen kennis van heeft.

2. Het ingevoerde wordt elke keer op een vergelijkbare wijze verwerkt (Jørgensen, 1988; Berry, 1994).

Een voordeel van een kennissysteem is dat zij veelal een soort ‘black box’-benadering kennen: relatief complexe verbanden worden vereenvoudigd tot oorzaak-gevolg- relaties7_{. Een nadeel van deze benadering is dat het model weinig inzicht verschaft in}

het functioneren van het achterliggende proces. Daarnaast heeft de gedwongen noodzaak tot simplificaties tot gevolg dat complexe verbanden te eenvoudig verwerkt moeten worden. Het systeem houdt geen rekening met zaken die niet in het model kunnen worden opgenomen, maar die wel van belang zijn. Het is daarom minder geschikt voor extrapolatie-doeleinden en zal zich licht ‘vergissen’ waar het uitzonderlijke situaties betreft.

De belangrijkste voordelen van kennissystemen zijn dat zij mathematisch veelal eenvoudig zijn, beperkte kalibratie/validatie behoeven, meestal vrij inzichtelijk zijn en mede daardoor ook ‘fool-proof’. Ook de meeste zogenaamde HSI (Habitat Suitability Index) modellen zijn tot de kennissystemen te rekenen (Hoofdstuk 3).

3.2.4 Simulatiemodellen

Simulatiemodellen worden niet gezien als een mogelijk instrument voor HACOBERM III. Zij worden hier echter toch besproken, omdat ze mogelijk een rol kunnen vervullen in het aanleveren van data of vuistregels voor andere instrumenten (Hoofdstuk 4).

Simulatiemodellen bootsen een proces na. Afhankelijk van de gedetailleerdheid waarmee dat gebeurt kunnen simulatiemodellen een hoge realiteitswaarde hebben. Er

7 _{HSI-modellen zijn echter relatief expliciet waar het gaat om de identificatie van (beperkende)} milieufactoren die het voorkomen van soorten bepalen. H. Hollander (schr. med., 1998) merkt daarom op dat HSI-modellen in het algemeen juist als erg inzichtelijk worden beschouwd.

is een verband tussen de gedetailleerdheid van de modelstructuur en die van de informatie over het bestudeerde systeem, waarmee het model rekening kan houden. Naarmate een model complexer wordt bestaat echter ook het gevaar dat onzekerheden en onnauwkeurigheden in de data, in de gemodelleerde verbanden en in hun parameters de potentiële nauwkeurigheid van het model teniet doen. Anders gezegd: mits verstandig gemodelleerd wordt, geldt dat hoe complexer het model is, hoe nauwkeuriger de voorspellingen kunnen zijn, maar hoe geringer ook de kans is dat ze dat zijn.