Do culling pressure and forest clearing affect sex-specific habitat use in sika deer?
European Journal of Wildlife Research 72, 13
33 wissenschaftliche Arbeiten aus 3 Fachzeitschriften behandeln das Thema Lebensraum & Raumnutzung im Zeitraum 2011 bis 2026.
Besenderte Tiere zeigen, wie Wild auf Menschen, Jagd und Dichte reagiert. Schottische Rothirsche hielten an Sonntagen mit viel Wanderbetrieb 371 statt 286 Meter Abstand zum Weg und holten die verlorene Äsungszeit nachts nicht nach. Ungestörte Wölfe ruhen an hohen Stellen mit Überblick und wechseln nach einer Begegnung mit Menschen in tiefere, gedeckte Lagen. Die Streifgebiete italienischer Rudel reichen von 35 bis 185 km², je nach Beuteangebot und Dauer der Besiedlung.
Beim Schwarzwild in Südschweden wurden die Streifgebiete mit steigender Dichte kleiner, und die Tiere nutzten das Feld stärker. Am Fuji hielten sich Sikahirsche dort auf, wo intensiv bejagt wurde, während das Kahlwild diese Flächen mied. Autobahnen trennen unterschiedlich stark: In Ostdeutschland wirkte die A11 für Schwarzwild als Barriere, andere Autobahnen kaum; an der A4 in Westpolen wurden Grünbrücken deutlich besser angenommen als Unterführungen. Gemeinsam ist mehreren dieser Befunde, dass Wild Störung mit Ausweichen im Raum beantwortet und nicht mit Abwandern.
Die Untersuchung betrifft Wölfe in Italien, wo die Rückkehr früher begann als anderswo in Europa. Grundlage sind GPS-Daten von 19 Wölfen aus fünf Untersuchungsgebieten mit einem breiten Umweltgradienten, erfasst zwischen 2019 und 2025. Die kleinsten Streifgebiete fanden sich dort, wo sich die Wölfe länger etabliert hatten und/oder das Beuteangebot höher war, was darauf hindeutet, dass Konkurrenz innerhalb der Art und das Ressourcenangebot die Raumnutzung beeinflussen. Rudelmitglieder hatten durchweg kleinere Streifgebiete als Floater, und unter den Floatern hatten Weibchen etwas größere Gebiete als Männchen. Im Winter und in stärker urbanisierten Landschaften vergrößerten die Wölfe ihre Streifgebiete. Die täglich zurückgelegte Strecke unterschied sich zwischen den Gebieten statistisch signifikant (örtliche Mittel 25 bis 53 km pro Tag), zeigte aber keinen signifikanten Zusammenhang mit individuellen Merkmalen.
Die Studie sucht mögliche ökologische Korridore für Bartgeier und bewertet die Vernetzung von Landschaften in Schlüsselregionen Spaniens. Dafür verwendeten die Autoren Modelle der Umweltgunst und einen widerstandsbasierten Ansatz in einer Auflösung von 10 × 10 km. Die Ergebnisse zeigen wichtige Vernetzungswege im Norden Spaniens, vor allem zwischen Picos de Europa und den Pyrenäen, die von Topografie, Nahrungsangebot und Abstand zu anthropogenen Strukturen beeinflusst werden. Die Korridore wurden aus Flächen mit hoher Vernetzung abgegrenzt und mit GPS-Daten besenderter Tiere überprüft. Die Untersuchung bezieht sich auf Regionen in Spanien.
Die Rückkehr der Wölfe in Europa hat Konflikte zwischen Mensch und Wildtier neu entfacht, besonders in Ländern wie Österreich, wo Wölfe seit mehr als einem Jahrhundert fehlen. Beide Modelle beruhen auf dem Algorithmus MaxEnt, auf stark gefilterten Vorkommensdaten von Wölfen (124), 109 Rissfällen und 37 Variablen zu Umwelt, Topografie, Siedlung und Nutztieren. Das Habitatmodell (SDM) weist etwa 47 Prozent Österreichs als geeigneten Wolfslebensraum aus, überwiegend in Waldgebieten. Das Risikomodell (DSM) ordnet 23 Prozent Österreichs als Gebiete mit bedeutender Anfälligkeit für Nutztierübergriffe ein, vor allem wegen der Präsenz von Nutztieren und der Nähe zu Wäldern. Der Prioritätsindex (SARI) zeigt etwa 8000 km² mit überlappender Eignung und Anfälligkeit, rund 9,5 Prozent Österreichs; die obersten zehn Prozent weisen auf Flächen hin, die dringend Eingriffe erfordern. Diese Flächen konzentrieren sich auf Almweiden und offene Landschaften am oder im Wald, besonders in Tirol und Kärnten.
Untersucht wurden Erlegungen im italienischen Piemont, zusammen mit anthropogenen und Umweltfaktoren, die mit Standortwahl und Jagdaufwand zusammenhängen. Die Standortwahl wurde mit Resource Selection Functions modelliert, der Jagdaufwand mit verallgemeinerten gemischten linearen Modellen mit Poisson-Verteilung. Der Jagdaufwand wurde als Zahl der Jagdausgänge je erfolgreicher Erlegung gemessen. Offene Lebensräume, mäßige Hangneigung und die Nähe zu Siedlungen waren bei Standortwahl und Jagderfolg beide bedeutende Einflussgrößen. Bei der Entfernung zu Wegen zeigte sich ein Gegensatz: Jäger wählten Flächen nahe Wegen, erreichten aber in abgelegeneren Lagen die höhere Effizienz. Die Autoren deuten an, dass erfahrenere Jäger in schwerer zugänglichen, weniger gestörten Lebensräumen mit mehr Wild und besserem Erfolg jagen.
Untersucht wurde eine Murmeltierpopulation im Stelvio-Nationalpark in den italienischen Alpen über acht Jahre, von 2017 bis 2024. Die IDO-Methode (Independent Double Observer) unterschätzte die Bestandsgröße im Mittel um 55 Prozent gegenüber den CMR-Schätzungen, wahrscheinlich wegen Verfügbarkeitsverzerrung, weil das Grabverhalten die Erfassung einschränkt. Trotz dieser Unterschätzung korrelierten IDO und CMR stark und positiv (r = 0.88), und ihr Zusammenhang erklärte rund 80 Prozent der Varianz. Einfache Zählungen korrelierten dagegen nur mäßig oder schwach mit den CMR-Schätzungen. Bei der Erkennung von Bestandstrends war IDO nicht-probabilistischen Methoden überlegen, wahrscheinlich weil das Verfahren die Nachweiswahrscheinlichkeit berücksichtigt; einige Annahmen könnten nicht vollständig erfüllt gewesen sein. Bei hohen Dichten zeigte die Methode eine leichte Sättigungstendenz, wobei die relative Abundanz zunehmend unterschätzt wurde.
Mit einer Kamerafallenerhebung im gesamten Schutzgebiet untersuchten die Autoren die Tagesaktivität freilebender Katzen und ihre Überlappung mit Beutetieren auf Madeira. Freilebende Katzen überlappten sich zeitlich stärker mit nicht heimischen Säugetieren als mit heimischen und nicht heimischen Vögeln. Den größten zeitlichen Überlappungskoeffizienten gab es mit Kaninchen, danach folgten Nagetiere, Sperlingsvögel und zuletzt Rebhühner. Die Autoren deuten an, dass nicht heimische jagdbare Arten wie Kaninchen und Rebhühner Katzenbestände stützen und so zu Hyperprädation auf heimische Arten führen könnten.
Das Random-Encounter-Modell (REM) war bisher in Flächen unter 10 km² nicht getestet. Ausgewertet wurden Kamerafallendaten aus 19 alpinen und kontinentalen Gebieten Österreichs mit 28 Huftierpopulationen von Reh, Rothirsch, Gämse und Wildschwein. Der mittlere Variationskoeffizient (CV) lag bei 0,45 und war vergleichbar mit Studien auf Flächen von 46,6 bis 501 km². Der Anteil der Kameras mit Kontakt wirkte sich negativ auf den CV aus; bei gleichmäßig verteilten Arten wie dem Reh war die Präzision demnach höher als bei gehäuft auftretenden Arten wie dem Rothirsch. Ein vereinfachtes Verfahren mit gemittelten REM-Parametern lieferte keine ausreichend vergleichbaren Ergebnisse. Für das Wildtiermanagement in kleinen Flächen kann das REM ohne Einschränkungen nach Größe und Form der Gebiete eingesetzt werden.
Am Beispiel des Bat Monitoring Programme (BMP) untersuchten die Autoren anhand eines einjährigen Datensatzes, wie Social-Media-Inhalte Besuche der Projektwebsite und weitere Kennzahlen beeinflussen. Beiträge mit Infografiken und Personenfotos schnitten besser ab als Fledermausfotos und erhielten doppelt so viele Retweets, Shares und Saves.
Redaktionelle Einordnung von JAGDNAVIGATOR, Stand 11. Oktober 2026, mit KI-Unterstützung aus den Zusammenfassungen (Abstracts) der unten verlinkten Arbeiten erstellt und am 11. Oktober 2026 von der Redaktion freigegeben. Die Arbeiten stammen aus 3 Fachzeitschriften und bilden nicht den gesamten Forschungsstand ab.
33 Studien zum Thema Lebensraum & Raumnutzung
European Journal of Wildlife Research 72, 13
European Journal of Wildlife Research 72, 94
European Journal of Wildlife Research 72, 64
Wildlife Biology 2026, e01655
European Journal of Wildlife Research 72, 68
European Journal of Wildlife Research 71, 74
European Journal of Wildlife Research 71, 32
European Journal of Wildlife Research 71, 50
European Journal of Wildlife Research 71, 34
European Journal of Wildlife Research 71, 65
European Journal of Wildlife Research 71, 46
European Journal of Wildlife Research 71, 61
Forests 15, 1014
European Journal of Wildlife Research 70, 83
European Journal of Wildlife Research 70, 15
European Journal of Wildlife Research 70, 54
European Journal of Wildlife Research 70, 55
European Journal of Wildlife Research 71, 3
European Journal of Wildlife Research 69, 64
European Journal of Wildlife Research 69, 16
European Journal of Wildlife Research 69, 20
European Journal of Wildlife Research 69, 42
European Journal of Wildlife Research 69, 44
European Journal of Wildlife Research 68, 50
European Journal of Wildlife Research 68, 31
European Journal of Wildlife Research 67, 104
European Journal of Wildlife Research 67, 80
European Journal of Wildlife Research 67, 72
European Journal of Wildlife Research 66, 79
European Journal of Wildlife Research 66, 67
European Journal of Wildlife Research 66, 18
European Journal of Wildlife Research 58, 1001-1003
European Journal of Wildlife Research 57, 817-825