تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,112,735 |
تعداد دریافت فایل اصل مقاله | 97,216,474 |
ارزیابی تغییر آشیان اکولوژیک ماهی سفید (Rutilus frisii) در آبهای جنوبی دریای خزر در طول یک دوره 10ساله | ||
اکوهیدرولوژی | ||
مقاله 6، دوره 11، شماره 3، مهر 1403، صفحه 395-410 اصل مقاله (453.24 K) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2024.385183.1848 | ||
نویسندگان | ||
فاتح معزی1؛ سهیل ایگدری* 2 | ||
1محقق پسادکتری، بنیاد ملی نخبگان و گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
2دانشیار گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
چکیده | ||
موضوع: ارزیابی اثرپذیری آبزیان از تغییرات شرایط محیطی در اکوسیستمهای آبی از اهمیت بالایی در مدیریت بهرهبرداری و حفاظت این گونهها برخوردار است. هدف: مطالعۀ حاضر با هدف بررسی تغییرات آشیان اکولوژیک ماهی سفید (Rutilus frisii) درنتیجۀ تغییرات شرایط محیطی در آبهای جنوبی دریای خزر در طول یک دورۀ ۱۰ساله (دورههای صید 2002/03 و 2011/12) انجام شد. روش تحقیق: مدلسازی آشیان اکولوژیک این گونه با استفاده از دادههای صید تجاری و دادههای سنجش از دور پارامترهای محیطی انجام شد. روش مدلسازی جنگل تصادفی برای ارزیابی آشیان اکولوژیک گونه به کار گرفته شد. یافتهها: نتایج بهدستآمده نشاندهندۀ کاهش معنیدار (0.001 >P ) دمای سطحی آب دریا در روز (SST) و غلظت کلروفیل-a لایۀ سطحی آب (Chl-a) در طول دورۀ زمانیِ مورد بررسی بود. سهم اهمیت پارامترهای SST، شیب و فاصله از ورودیهای رودخانهای در تعریف آشیان اکولوژیک گونه در طول این دوره افزایش یافته، درحالیکه اهمیت Chl-a و غلظت کربن آلی ذرهای (POC) کاهش یافته بود. برآوردهای مربوط به بازۀ بهینۀ اکولوژیک متغیر SST بیانگر کاهش بهینۀ دمایی گونه در پایان دوره بود، درحالیکه برای سایر متغیرها جابهجاییهای افزایشی و همچنین وسیعتر شدن بازۀ مقادیر مطلوب به دست آمد. ارزیابیهای مکانی نیز نشاندهندۀ تغییرات چشمگیر در بروز شرایط بهینۀ اکولوژیک بود. نتیجهگیری: مجموعۀ یافته های به دست آمده در این مطالعه، بیانگر تغییر قابل توجه آشیان اکولوژیک ماهی سفید در طول دورۀ زمانی مورد بررسی و همچنین پراکنش مکانی مربوط به این گونه در آبهای ساحلی جنوب خزر بود. | ||
کلیدواژهها | ||
آشیان اکولوژیک؛ دریای خزر؛ ماهی سفید؛ مدلسازی؛ متغیرهای محیطی | ||
مراجع | ||
Afonso, P., McGinty, N. & Machete, M. (2014). Dynamics of whale shark occurrence at their fringe oceanic habitat. PLoS One, 9. http://doi.org/10.1371/journal.pone.0102060 Breiman, I. (2001). Random forests. Machine Learning., 45, 5-32. http://doi.org/10.1023/A:1010933404324 Buisson, L., Thuiller, W., Casajus, N. & Lek, S. (2010). Grenouillet G. Uncertainty in ensemble forecasting of species distribution. Global Change Biology, 16(4), 1145-1157. http://doi.org/10.1111/j.1365-2486.2009.02000.x Chen, S., Xiao, Y., Xiao, Z., Li, J. & Herrera-Ulloa, A. (2024a). Suitable habitat shifts and ecological niche overlay assessments among benthic Oplegnathus species in response to climate change. Environmental Research, 252, 119129. http://doi.org/10.1016/j.envres.2024.119129 Chen, S., Xiao, Y., Xiao, Z., Ma, D., Li, J. & Herrera-Ulloa, A. (2024b). Prediction of suitable habitat shifts and assessment of ecological niche overlaps for three Tridentiger species with intertidal and subtidal characteristics under future climate changes. Marine Pollution Bulletin, 198, 115827. http://doi.org/10.1016/j.marpolbul.2023.115827 Cutler, D.R., Edwards, Jr. T. C., Beard, K. H., Cutler, A., Hess, K. T., Gibson, J. & Lawler, J. J. (2007). Random forests for classification in ecology. Ecology, 88(11), 2783-2792. http://doi.org/10.1890/07-0539.1 Eagderi, S., Mouludi-Saleh, A., Esmaeili, H. R., Sayyadzadeh, G. & Nasri, M. (2022). Freshwater lamprey and fishes of Iran: a revised and updated annotated checklist-2022. Turkish Journal of Zoology, 46(6), 500-522. http://doi.org/10.55730/1300-0179.3104 Elith. J., Graham, H. C., Anderson, P. R., Dudik, M., Ferrier, S., Guisan, A., … & Zimmermann, E. N. (2006). Novel methods improve prediction of species’ distributions from occurrence data. Ecography, 29(2), 129-151. http://doi.org/10.1111/j.2006.0906-7590.04596.x Esmaeili, H. R., Gholamhoseini, A., Mohammadian-Kalat, T. & Aliabadian, M. (2018). Predicted changes in climatic niche of Alburnus species (Teleosti: Cyprinidae) inIran until 2050. Turkish Journal of Fisheries and Aquatic Sciences, 18, 995-1003. http://doi.org/10.4194/1303-2712-v18-8-08 Esmaeili, H. R., Brian, W. C., Mehraban, H. R., Masoudi, M., Khaefi, R., Abbasi, K., Mostafavi, H. & Vatandoust, S. (2015). An updated checklist of fishes of the Caspian Sea basin of Iran with a note on their zoogeography. Iranian Journal of Ichthyology, 1(3), 152-184. http://doi.org/10.22034/iji.v3.18 Fazli, H., Behrouz Khoshghalb, M. R., Tavakoli, M., Ghodrati Shojaei, H., Daryanabard, G. R. & Soleimani Roudi, A. (2021). Spatial distribution and diversity of commercial demersal fish species in the shelf waters of the Caspian Sea. Journal of Applied Ichthyology, 37(6), 857-867. http://doi.org/10.1111/jai.14256 Fromentin, J. M. & Lopuszanski, D. (2014). Migration, residency, and homing of Bluefin tuna in the wastern Mediterranean Sea. ICES Journal of Marine Science, 71(3), 510-518. http://doi.org/10.1093/icesjms/fst157 Froeschle, B. F., Stunz, G. W., Robillard, M. M. R., Williams, J. & Froeschke, J. T. (2013). A modeling and field approach to identify essential fish habitat for juvenile Bay Whiff (Citharichthys spilopterus) and southern Flounder (Paralichthys lethostigma) within the Aransas Bay Complex, TX. Estuaries and Coasts, 36(5), 881-892. http://doi.org/10.1007/s12237-013-9600-9 Greenwell, B., Boehmke, B. & Cunningham, J. (2020). GBM Developers. gbm: Generalized Boosted Regression Models. R package version 2.1.8. http://CRAN.R-project.org/packages=gbm Griffiths, J. R., Kadin, M., Nascimento, F. J., Tamelander, T., Tornroos, A., Bonaglia, S., Bonsdorff, E., Bruchert, V., Gardmark, A., Jarnstrom, M. & Kotta, J. (2017). The importance of benthic-pelagic coupling for marine ecosystem functioning in a changing world. Global Change Biology, 23(6), 2179-2196. http://doi.org/10.1111/gcb.13642 Guisan, A. & Zimmermann, N. E. (2000). Predictive habitat distribution models in ecology. Ecological Modelling, 135(2-3), 147-186. http://doi.org/10.1016/50304-3800(00)00354-9 Guisan, A., Tingley, A., Baumgartner, J. B., Naujokaitis-Lewis, I., Sutcliffe, P. R., Tulloch, A. L. T., Regan, T. J., Brotons, L., Mcdonald-Madden, E., Mantyka-Pringle, C., Martin, T. G., Rhodes, J.R., Maggini, R., Setterfield, S. A., Elith, J., Schwartz. M. W., Wintle, B. A., Broennimann, O., Austin, M., Ferrier, S., Kearney, M. R., Possingham, H. P. & Buckley, Y. M. (2013). Predicting species distributions for conservation decisions. Ecology Letters, 16(12), 1424-1435. http://doi.org/10.1111/ele.12189 Haghi Vayghan, A., Fazli, H., Ghorbani, R., Lee, M-A. & Nasrollahzadeh Saravi, H. (2016). Temporal habitat suitability modelling of Caspian Shad (Alosa spp.) in the southern Caspian Sea. Journal of Limnology. 2016; 75(1), 210-223. http://doi.org/10.4081/jlimnol.2015.1215 He, M., Chen, L., Luo, G., Gu, X., Wang, G. & Ran, J. (2018). Suitable habitat prediction and overlap analysis of two sympatric species, giant panda (Ailuropoda melanoleuca) and Asiatic black bear (Ursus thibetanus) in Liangshan Mautains. Biodiversity Science, 26(11), 1180-1189. http://doi.org/10.17520/biods.2018167 Hua, C. Li. F., Zhu, Q., Zhu, G. & Meng, L. (2020). Habitat suitability of Pacific saury (Cololabis saira) based on a yield-density model and weighted analysis. Fisheries Research, 221, 105408. http://doi.org/10.1016/j.fishres.2019.105408 Jimenez-Valvarde, A., Peterson, A.T., Soberon, J., Overton, J.M., Aragon, P. & Lobo, J. M. (2011). Use of niche models in invasive species risk assessments. Biological Invasions, 13, 2785-2797. http://doi.org/10.1007/s10530-011-9963-4 Liaw, A. & Wiener, M. (2002). Classification and regression by randomForest. R news, 2(3), 18-22. Luan, J., Zhang, C., Xu, B., Xue, Y. & Ren, Y. (2018). Modelling the spatial distribution of three Portunidae crabs in Haizbou Bay, China. PloS One, 13(11), p.e0207457. http://doi.org/10.1371/journal.pone.0207457 Melo-Merino, S. M., Reyes-Bonilla, H. & Lira-Noriega, H. (2020). Ecological niche models and species distribution models in marine environments: a literature review and spatial analysis of evidence. Ecological Modelling, 415, 108837. http://doi.org/10.1016/j.ecolmodel.2019.108837. Moëzzi, F., Poorbagher, H., Eagderi, S., Feghhi, J., Dormann, C. F., Khorshidi Nergi, S. & Amiri, K. (2022). Modelling habitat preference of Caspian Kutum, Rutilus Kutum, using non-linear habitat suitability indices and generalized additive models. Regional Studies in Marine science, 55, 101715. http://doi.org/10.1016/j.rsma.2022.102715 Moëzzi, F., Poorbagher, H., Eagderi, S., Feghhi, J., Dormann, C. F., Khorshidi Nergi, S. & Amiri, K. (2024). The importance of temporal scale in distribution modeling of migratory Caspian Kutum, Rutilus frisii. Ecology and Evolution, 14(9), e70259. http://doi.org/10.1002/ece3.70259 Moore, C., Drazen, J. C., Radford, B. T., Kelly, C. & Newman, S. J. (2016). Improving essential fish habitat designation to support sustainable ecosystem-based fisheries management. Marine Policy, 69, 32-41. http://doi.org/10.1016/j.marpol.2016.03.021 Olaya-Marin, E. J., Martinez-Capel, F. & Vezza, P. (2013). A comparison of artifician neural networks and random forests to predict native fish species richness in Mediterranean rivers. Knowledge and Management of Aquatic Ecosystems, 409, p07. http://doi.org/10.1890/07-0539.1 Olsen, Z. (2019). Quantifying nursery habitat function: variation in habitat suitability linked to mortality and growth for juvenile Black Drum in a hypersaline estuary. Marine and Coastal Fisheries, 11(1), 86-96. http://doi.org/10.1002/mcf2.10064 Parra, H. E., Pham, C. K., Menezes, G. M. & Rosa, A. (2017). Tempera F, Morato T. Predictive modeling of deep-sea fish distribution in the Azores. Deep Sea Research Part II: Topical Studies in Oceanography, 145, 49-60. http://doi.org/10.1016/j.dsr2.2016.01.004 Perea-Blazquez, A., Davy, S. K. & Bell, J. J. (2012). Estimates of particulate organic carbon flowing from the pelagic environment to the benthos through sponge assemblages. PLoS One, 7(1), e29569. http://doi.org/10.1371/journal.pone.0029569 Peterson, A. T. & Soberon, J. (2012). Species distribution modeling and ecological niche modelling: getting the concepts right. Natureza and Conservacao, 10(2), 102-107. http://doi.org/10.4322/natcon.2012.019 Peterson, A. T., Soberon, J., Pearson, R. G., Anderson, R. P., Martinez-Meyer, E., Nakamura, M. & Araujo, M. B. (2011). Ecological niches and geographic distributions. Princeton University Press. Peterson, A. T., Papes, M. & Soberon, J. (2015). Mechanistic and correlative models of ecological niches. European Journal of Ecology, 1(2), 28-38. http://doi.org/ 10.1515/eje-2015-0014 Rabazanov, N. I., Orlov, A. M., Abdusamadov, A. S. & Barkhalov, R. M. (2019). Caspian Kutum Rutilus Kutum: A story of exploitation, survival, and revival. In Kruger, C.H.C. and Taylor, W.W. (eds.), From catastrophe to recovery: Stories of fishery management success. (pp: 485-508). American Fisheries Society. http://doi.org/10.47886/9781934874554 Reznic, D. N., Losos, J. & Travis, J. (2019). From low to high gear: there has been a paradigm shift in our understanding of evolution. Ecology Letters, 22(2), 233-244. http://doi.org/10.1111/ele.13189 Schming, M., Diogo, H., Serrao Santos, R. & Afonso, P. (2014). Assessing hotspots within hotspots to conserve biodiversity and support fisheries management. Marine Ecology Progress Series, 513, 187-199. http://doi.org/10.3354/meps10924. Szucs, M., Vahsen, M., Melbourne, B., Hoover, C., Weiss-Lehman, C. & Hufbauer, R. (2017). Rapid adaptive evolution in novel environments acts as an architect of population range expansion. Proceedings of the National Academy of Science, 114(51), 13501-13506. http://doi.org/10.1073/pnas.1712934114 Vayghan, A. H., Poorbagher, H., Shahraini, H. T., Fazli, H., Saravi, H. N. (2013). Suitability indices and habitat suitability index model of Caspian Kutum (Rutilus frisii Kutum) in the southern Caspian Sea. Aquatic Ecology, 47(4), 441-451. http://doi.org/10.1007/s10452-013-9457-9 Xhsng, Z., Xu, S., Capinha, C., Weterings, R. & Gao, T. (2019). Using species distribution model to predict the impact of climate change on the potential distribution of Japanese whiting Sillago japonica. Ecological Indicators, 104, 333-340. http://doi.org/10.1016/j.ecolind.2019.05.023 | ||
آمار تعداد مشاهده مقاله: 91 تعداد دریافت فایل اصل مقاله: 61 |