بررسی مدل های پیش بینی پراکنش آبزیان در منابع دریایی
محل انتشار: سومین کنفرانس برنامه ریزی و مدیریت محیط زیست
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,163
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME03_624
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
بهره برداری، ارزیابی و مدیریت مبتنی بر اکوسیستم به طور چشم گیری در جهان اتخاذ شده است. اجرای مدیریت مبتنی بر اکوسیستم نیازمند روش های ارزیابی کیفیت زیستگاه جهت رسیدن به اکوسیستم سالم را دارد. دراین میان، زیستگاه یکی از رکن های مهم در مدیریت مبتنی بر اکوسیستم معرفی شده است. طبیعت بسیار پیچیده و غیر یکنواخت تر از آن است که بتوان پیش بینی دقیق را در بعد زمان و فضاء از طریق مدل های ساده یا پیچیده انجام داد. با این وجود، مدل های آماری متنوعی در حال استفاده جهت شبیه سازی پراکنش مکانی گونه ها می باشد. در این مطالعه، ابتداً به بررسی مدل و زیستگاه پرداخته شده است و در ادامه مدل های پیش بینی پراکنش براساس ماهیت و دسترسی داده ها بررسی و به دو گروه کلی طبقه بندی شده و کاربرد آنها در مطالعات اکولوژیک و محیط زیست دریایی بیان شده اند؛ متدهای بیان شده در این مطالعه جهت مدلسازی با داده های صرفاً حضور و متغیر های دودوئی جهت کاربرد در منابع دریایی میباشد. این مطالعه چگونگی ایجاد و بکارگیری توابع آماری که اجازه تعیین زیستگاه مطلوب دریایی را برای محقق در توزیع حضور و عدم حضور گونه را دارد بیان می دارد. ازاینرو، مطالعه حاضر سعی نموده تا حدودی به محقق یک دید کلی از مدل های موجود در تکنیک های پیش بینی پراکنش آبزیان داده و ویژگی های آنرا نیز بیان نماید. در نهایت نیز مقایسه ای کلی با توجه به داده های در دسترس روی این مدل ها صورت پذیرفته است.
کلیدواژه ها:
نویسندگان
علی حقی وایقان
گروه شیلات دانشکده منابع طبیعی دانشگاه تهران
هادی پورباقر
دانشگاه تهران
مهدی عالی پور
گروه مدیریت آموزش و برنامه ریزی محیط زیست دانشکده محیط زیست دانشگاه تهران
سعید کریمی
گروه مدیریت آموزش و برنامه ریزی محیط زیست دانشکده محیط زیست دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :