پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,982,003 |
| تعداد دریافت فایل اصل مقاله | 89,653,941 |
پیش بینی مطلوبیت زیستگاهی میگوی آب شیرین در حوضه آبریز تالاب انزلی با استفاده از مدل ماشین بردار پشتیبان | ||
| شیلات | ||
| دوره 73، شماره 4، دی 1399، صفحه 579-592 اصل مقاله (1.26 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfisheries.2020.309174.1191 | ||
| نویسندگان | ||
| رحمت زرکامی* 1؛ فرشته یوسفی2؛ احمد قانع3 | ||
| 1دانشیار گروه محیط زیست،، دانشکده منابع طبیعی صومعه سرا، دانشگاه گیلان، گیلان، ایران | ||
| 2کارشناس ارشد گروه محیط زیست،، دانشکده منابع طبیعی صومعه سرا، دانشگاه گیلان، گیلان، ایران | ||
| 3مربی پژوهشکده آبزی پروری آبهای داخلی، موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، بندر انزلی، ایران | ||
| چکیده | ||
| پیشبینی مطلوبیت زیستگاهی میگوی آب شیرین (nipponense Macrobrachium) اهمّیت بهسزایی در مدیریت بومسازگانهای آبی دارد. برای پیشبینی مطلوبیت زیستگاهی این میگو، 6 ایستگاه از قسمتهای مختلف حوضه آبریز تالاب انزلی انتخاب گردید که در نیمی از این ایستگاهها گونه حضور داشت (36 مورد) و در نیمی دیگر از ایستگاهها گونه حضور نداشت (36 مورد بقیه). در کل، 15 فاکتور متشکل از متغیرهای کیفی آب، دینامیکی و ساختاری محیط در هر ایستگاه هم زمان با متغیر زیستی (حضور/عدم حضور میگو) بصورت ماهیانه در بازه زمانی یک سال (1398-1397) با نمونه برداری از آب، اندازه گیری شد. پیشبینی مدل بر اساس هر دو معیار (در صد داده‌های صحیح طبقهبندی شده و کاپای کوهنی) قابل اعتماد بود. چون معیار‌های پیشبینی از سطح آستانه فراتر رفتند (در صد داده‌های صحیح طبقهبندی شده > 7۰% و کاپای کوهنی > ۰.۶). نتایج مدل ماشین بردار پشتیبان نشان داد کاهش جمعیت و یا حتی عدم حضور میگو ممکن است ارتباط بسیار تنگاتنگی با افزایش سرعت جریان آب، عمق آب، میزان شوری، هدایت الکتریکی، غلظت سدیم و کلراید داشته باشد. بر اساس پیامدهای مدل، ازدیاد غلظت سایر فاکتورهای کیفی آب مثل غلظت پتاسیم، سولفات و سختی کل نقش بینابینی و ازدیاد غلظت ارتو فسفات، نیترات و اکسیژن خواهی زیستی نقش بسیار کمی در پیشبینی زیستگاه میگو دارند. بر خلاف متغیرهای ذکر شده، نتایج مدل نشان داد که افزایش غلظت برخی از متغیرها مثل اکسیژن محلول، اسیدیته و کدورت آب ممکن است احتمال حضور میگو را در مناطق نمونه برداری افزایش دهد. با توجه به فاکتورهای پیشبینی شده توسط مدل، اهمیت این فاکتورها در نمونه برداری آینده برای میگو باید بیشتر مورد توجه قرار گیرد. | ||
| کلیدواژه‌ها | ||
| انزلی؛ تالاب؛ زیستگاه؛ میگوی آب شیرین؛ مدل ماشین بردار پشتیبان | ||
| عنوان مقاله [English] | ||
| Predicting the habitat suitability of freshwater shrimp in Anzali wetland watershed using support vector machine model | ||
| نویسندگان [English] | ||
| Rahmat Zarkami1؛ fereshteh yousefi2؛ ahmad ghane3 | ||
| 1Associate Professor, Department of Environment science, Faculty of Natural Resources, University of Guilan, Sowmeh Sara, Guillan, Iran | ||
| 2Msc. Department of Environment science, Faculty of Natural Resources, University of Guilan, Sowmeh Sara, Guilan, Iran | ||
| 3Msc. Inland Waters Aquaculture Research Center, Iranian Fisheries Sciences Research Institute, Agricultural Research, Education and Extension Organization, Bandar Anzali, Guilan, Iran | ||
| چکیده [English] | ||
| The prediction of the habitat suitability of freshwater shrimp (Macrobrachium nipponense) is an important issue for managing the aquatic ecosystems. Six sampling sites were selected from different parts of the catchment area of Anzali wetland to predict the habitat conditions of freshwater shrimp in which the species was present in three sampling sites (36 instances) and it was absent in the remaining of the sampling sites (36 instances). In total, fifteen environmental factors consisting of water quality, dynamic and structural variables were monthly sampled based on the biological variable (the presence/absence of shrimp) over one-year sampling period (1397-1398). The prediction of SVM was reliable based on the two predictive performances (CCI% and Cohen kappa) since both predictive performances exceeded the threshold values (CCI%> 70% and Cohen kappa>0.70). The results of the support vector machine model showed that the population decline or even the absence of shrimp might have a very close relation with increasing water flow velocity, water depth, salinity, electric conductivity, sodium and chloride concentrations. Based on the model outcomes, increasing the concentration of other water quality variables including potassium, sulfate and total hardness might have an intermediate impact and increasing the concentration of orthophosphate, nitrate and biological oxygen demand might have less impact on the prediction of the shrimp habitat. Contrary to the above-mentioned variables, the results of the applied model showed that increasing the concentration of some variables such as dissolved oxygen, acidity and water turbidity might increase the probability of the shrimp presence in the sampling locations. Based on the factors predicted by the model, the importance of these factors should be considered for freshwater shrimp in future monitoring. | ||
| کلیدواژه‌ها [English] | ||
| Anzali. Freshwater shrimp, Habitat, Support vector machine model, Wetland | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 274 تعداد دریافت فایل اصل مقاله: 190 |
||