عنوان مقاله :
مدلسازي پراكنش مكاني ماهي شير (Scomberomorus commerson Lacepede, 1800) با استفاده از رگرسيون لجستيك در آبهاي خليج فارس
عنوان به زبان ديگر :
Modelling the spatial distribution of Narrow-barred Spanish mackerel (Scomberomorus commerson; Lacepede 1800) in the Persian Gulf using logistic regression
پديد آورندگان :
قيطرانپور، منا دانشگاه تهران - دانشكده منابع طبيعي - گروه شيلات، تهران، ايران , پورباقر، هادي دانشگاه تهران - دانشكده منابع طبيعي - گروه شيلات، تهران، ايران , ايگدري، سهيل دانشگاه تهران - دانشكده منابع طبيعي - گروه شيلات، تهران، ايران
كليدواژه :
ماهي شير , خليج فارس , رگرسيون لجستيك , مدلسازي
چكيده فارسي :
شناخت عوامل محيطي موثر در پراكنش گونههاي آبزي و اطلاع از محدوده پراكنش آنها در هر منطقه ميتواند در حفظ و مديريت صحيح ذخاير آبزيان كمك كند. يكي از مشكلاتي كه زيست بوم خليج فارس با آن مواجه است نبود دادههاي قابل اطمينان از حضور ماهيان طي سالهاي مختلف است. با استفاده از فناوري سنجش از دور، پيشبيني پراكنش گونههاي آبزيان با استفاده از روشهاي مدلسازي امكان‌پذير شده است. مطالعه حاضر به منظور مدلسازي و مصور نمودن حضور ماهي شير (Scomberomorus commerson) در خليج فارس با استفاد از رگرسيون لجستيك صورت پذيرفت. بدين منظور نقاط حضور ماهي شير، از پايگاه الكترونيكي GBIF دانلود شد. همچنين، لايههاي رستري 11 پارامتر محيطي از سايت سنجنده موديس ناسا استخراج گرديد. مدلسازي در نرمافزار R انجام شد. بررسي صحت مدل‌ها با مساحت زير منحني ROC انجام گرفت. نقشه‌هاي احتمال محل حضور هر گونه در نهايت ترسيم شدند. به طور كلي، پارامترهاي عمق و كربن غير آلي ذره‌اي، بيشترين تاثير را بر پراكنش ماهي شير نشان دادند
چكيده لاتين :
Knowledge of environmental parameters affecting on distribution of aquatics and their realms
can help maintain and correctly manage aquatic reserves. Lack of enough data on the presence
of fishes in the Persian Gulf has turned into a problem. The prediction of species distribution
in a large scale has become possible using the remote sensing technologies. The present study
aimed to model and depict the spatial distribution of Narrow-barred Spanish mackerel
(Scomberomorus commerson) in the Persian Gulf using logistic regression. The presence
coordinates of the animal were downloaded from GBIF. The raster layers of 11 environmental
parameters were procured from the Modis sensor website of NASA. Models were made in R.
The accuracy of the models was examined using the area underneath of the ROC. The
probability of presence of S. commerson was mapped. Depth and particulate organic carbon
were the most important factors shaping the spatial distribution of this species
عنوان نشريه :
مجله علمي شيلات ايران
