برازش فراواني دو ماهي كفزي Paracobitis hircanica و Neogobius fluviatilis با استفاده از رگرسيون فازي

Fitting of two benthic fishes abundance Paracobitis hircanica and Neogobius fluviatilis Using Fuzzy Regression

آگاهي از نيازهاي بيولوژيكي موجودات آبزي در رودخانه هاي دايمي براي حفاظت از تنوع زيستي در اكوسيستم هاي رودخانه اي ضروري است. دانش زيستگاه شامل استفاده از مدل هايي براي برآورد ويژگي هاي خاص از ساختار بدني رودخانه ها با روش هاي ساده و دقيق است. مدل رگرسيون فازي براي دو ماهي بومي ، Paracobitis hircanica و Neogobius fluviatilis در رودخانه زرين گل در شمال ايران مورد بررسي قرار گرفت. P.hircanica و N.fluviatilis در استفاده از mesohabitat با هم همپوشاني داشتند ، هر دو ماهي خيزاب را به بخش عميق ترجيح دادند. تجزيه و تحليل هاي بيشتر بر اساس رگرسيون چند گانه نشان داد كه فراواني ماهي به طور قابل توجهي با پوشش گياهي ساحلي و بستر براي P.hircanica در ارتباط بود ، اما عمق آب ، عرض جريان ، سرعت ، و دبي براي N.fluviatilis در ارتباط است. نتايج به دست آمده نشان داد كه رگرسيون فازي مي تواند يك روش مكمل يا جايگزين مناسب براي رگرسيون آماري باشد هنگامي كه رابطه بين متغيرها مبهم باشد يا به دليل خطاهايي در ساختار معادله رگرسيون وجود داشته باشد. نتيجه نشان داد كه تركيب بسترهاي مختلف براي همزيستي اين دو ماهي كفزي مناسب است. همچنين اطلاعات مهمي براي مديريت زيستگاه و مهندسي اكولوژيك رودخانه هاي كوهستان در ايران ارايه مي دهد.

Knowledge of biological requirements of aquatic organisms in perennial rivers is necessary for protection of biological diversity in riverine ecosystems. Habitat knowledge includes using models for estimating specific properties from physical structure of rivers by simple and accurate methods. Fuzzy regression model was investigated for two common endemic and benthic fishes, Paracobitis hircanica and Neogobius fluviatilis, in Zarin Gol River of northern Iran. P.hircanica and N.fluviatilis overlapped in mesohabitat use, both fish preferred riffle to pools. Further analyses based on stepwise multiple regressions showed that fish abundance was significantly correlated with riparian vegetation and substrate for P.hircanica, but correlated with water depth, stream width, velocity, and discharge for N.fluviatilis. The obtained results showed that fuzzy regression can be an appropriate complementary or alternative method for statistical regression when the relationship between the variables is vague or there are errors due to vagueness in regression equation structure. The result recommends that the various substratum compositions may have accounted for the co-existence of these two benthic fishes. It would also provide important information for habitat management and ecological engineering of mountain rivers in Iran.