فهرست نشریات علمی دسترسی آزاد ایران

یافتن مدل‌‌های آماری دارای بهترین عملکرد پیش ­بینی در مطالعات شایستگی زیستگاه گونه­ های ماهیان از اهمیت بالایی برخوردار است. در مطالعة حاضر، عملکرد مدل‌های خطی (مدل رگرسیون خطی (LM)، مدل رگرسیون خطی تعمیم­یافته (GLM)) و غیرخطی (مدل شبکة عصبی مصنوعی (ANN) و مدل ماشین بردار پشتیبان (SVM)) در برآورد نمایة شایستگی زیستگاه (HSI) گونة سیاه­ ماهی رازی Capoeta razii در تعداد 32 ایستگاه در امتداد بازة حدود 90 کیلومتری از رودخانة طالقان، حوضة‌ جنوبی دریای خزر مورد بررسی قرار گرفت. پارامترهای محیطی اندازه­ گیری شده عبارت بودند از: ارتفاع از سطح دریا، عمق رودخانه، عرض رودخانه، سرعت جریان آب، دما، pH، EC، TDS، قطر سنگ و تعداد سنگ‌های با قطر > 15 سانتی‌متر در بستر. نتایج نشان داد که مدل‌های خطی در مقایسه با مدل‌های غیرخطی از عملکرد پیش­بینی ضعیف­تری (مقدار RMSE بالاتری) برخوردارند. بهترین مدل‌ها برای پارامترهای ارتفاع از سطح دریا، pH، دما و قطر سنگ مربوط به مدل SVM و برای دیگر پارامترها مربوط به مدل ANN بود. مدل میانگین حسابی (AMM) در مقایسه با مدل میانگین هندسی (GMM) عملکرد مناسب­تری را در برآورد HSI نشان داد. توزیع مقادیر HSI در ایستگاه‌های بررسی شده در رودخانة طالقان نشان داد که نقاط دارای سطوح شایستگی زیستگاه کم تا زیاد برای گونة سیاه‌ماهی رازی در امتداد این رودخانه وجود دارد.