پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,766 |
| تعداد مشاهده مقاله | 115,222,205 |
| تعداد دریافت فایل اصل مقاله | 89,969,403 |
تأثیر نوع مدل و اهمیت پارامترهای زیستگاهی بر پیش بینی نمایه های تنوع-زیستی (مطالعه ماهیان رودخانه توتکابن در جنوب دریای خزر) | ||
| شیلات | ||
| مقاله 1، دوره 71، شماره 3، آذر 1397، صفحه 225-235 اصل مقاله (573.14 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfisheries.2019.269399.1061 | ||
| نویسندگان | ||
| فاتح معزی1؛ هادی پورباقر* 2؛ سهیل ایگدری2 | ||
| 1دانشجوی دکتری گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| 2دانشیار گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| چکیده | ||
| مدلهای زیستگاهی ابرازهایی کاربردی در برآورد فراوانی گونه ای و تنوع زیستی جوامع آبزیان با استفاده از متغیرهای زیستگاه می باشند که می توانند در بهره برداری و حفاظت از گونه های آبزیان بسیار مفید واقع شوند. شناخت مدلهای دارای بهترین عملکرد و همچنین یافتن متغیرهای ورودی دارای بیشترین اهمیت و اثرگذاری، می تواند در به کارگیری مناسب آن ها و تصمیمات اتخاذ شده مؤثر باشد. در مطالعه حاضر، عملکرد چهار نوع مدل (شامل مدل رگرسیون خطی چندگانه، مدل رگرسیون حداقل مربعات جزیی، مدل ماشین بُردار پشتیبان و مدل جنگل تصادفی) جهت پیشبینی نمایه های تنوع زیستی ماهیان رودخانه توتکابن در جنوب دریای خزر بر مبنای متغیرهای زیستگاهی مورد مقایسه قرار گرفت و میزان اهمیت متغیرهای محیطی مورد استفاده نیز در هر یک از مدلها بررسی گردید. بر اساس نتایج، مدلهای رگرسیون خطی چندگانه و رگرسیون حداقل مربعات جزئی ضعیفترین عملکرد را در برآورد نمایه های تنوع زیستی نشان دادند. بهترین عملکرد مربوط به مدلهای ماشین بردار پشتیبان و جنگل تصادفی بود. برای مدلهای مختلف، میزان اهمیت پارامترهای محیطی در ارتباط با هر یک از نمایه های تنوع متغیر بود. در مجموع، مدلهای ماشین بردار پشتیبان و جنگل تصادفی به عنوان مدلهای مناسب جهت بررسی نمایه های تنوع زیستی پیشنهاد می شوند. | ||
| کلیدواژه‌ها | ||
| مدل؛ تنوع زیستی؛ دریای خزر؛ زیستگاه؛ پیش بینی | ||
| عنوان مقاله [English] | ||
| Evaluating Effects of Model Type and Importance of Habitat Parameters on Prediction of Biodiversity Indices (A Case Study with Fishes of the Totkabon River in the Southern Caspian Sea) | ||
| نویسندگان [English] | ||
| Fateh Moezzi1؛ Hadi Poorbagher2؛ Soheil Eagderi2 | ||
| 1Ph.D. Student, Department of Fisheries, Faculty of Natural Resources, University of Tehran, Karaj, Iran. | ||
| 2Associate Professor, Fisheries Department, Faculty of Natural Resources, University of Tehran, Karaj, Iran. | ||
| چکیده [English] | ||
| Habitat models are applied to estimate species abundance and diversity using habitat parameters that can be used in exploitation and conservation of many aquatic species. Habitat models are effective tools in estimating species abundance and diversity of aquatic communities using habitat parameters has high importance in exploitation and conservation of aquatic resources. Identifying models with the best performance and habitat parameters with the highest importance, would affect appropriate utilisation of this tools and in making optimal management decisions. The present study evaluated performance of four models (multiple linear regression, partial least square regression, support vector machines and random forest) in prediction of biodiversity indices in fishes of a river in the southern Caspian Sea. In addition, importance of environmental parameters in prediction of those indices were calculated. Multiple linear regression and partial least square regression had weak performance. Support vector machine and random forest had the best performance. Various environmental parameters had varying importance across the examined models. In conclusion, support vector machines and random forest are suggested as suitable models for prediction of biodiversity indices of the southern Caspian fishes. | ||
| کلیدواژه‌ها [English] | ||
| model, Biodiversity, Caspian Sea, Habitat, Prediction | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 446 تعداد دریافت فایل اصل مقاله: 256 |
||