امكان سنجي به كارگيري مدل‌سازي رگرسيوني جهت تخمين وزن بافت نرم صدف‌هاي دوكفه‌اي با استفاده از ابعاد پوسته

Feasibility of Applying Regression Modeling to Estimate the Weight of Soft Tissue of Bivalves Using Shell Dimensions

اين تحقيق درصدد بررسي امكان استفاده از ابعاد پوسته (طول و عرض) به‌منظور تخمين وزن بافت نرم در دو حالت تر و خشك است. براي انجام اين تحقيق سه گونه صدف دوكفه‌اي (Solen brevis، Saccostrea cucullata و Callista umbonella)از سواحل پايانه ي بندرعباس و پارك جهانگردي سورو در سال 1390 صيد و جمع آوري شد. طول، عرض، وزن تر بافت نرم و وزن خشك بافت نرم زيست‌سنجي شدند. مدل‌هاي رگرسيوني دو متغيره در محيط نرم‌افزار SPSS 17 تهيه شده و پس از واسنجي مدل‌ها اعتبارسنجي هر يك از مدل‌ها با استفاده از معيارهاي آماري صورت پذيرفت. بررسي نتايج نشان داد كه مدل‌هاي تهيه شده در حد قابل قبولي بودند. خطاي نسبي در دو ايستگاه در حالت خشك بافت نرم از 93/11 تا 69/36 درصد و در حالت تر بافت نرم از 99/7 تا 57/35 درصد متغير مي‌باشد. تغييرات ريشه‌ي نسبي ميانگين مربعات خطا در دو ايستگاه در حالت خشك بافت نرم از 107/14 تا 19/44 و در حالت تر بافت نرم از 27/10 تا 14/38 است. نتايج به دست آمده از اين بررسي نشان داد كه مدل ساخته شده براي تخمين بافت نرم تر گونه S. brevis در ايستگاه پايانه و پارك جهانگردي سورو براي مرحله ي واسنجي داراي مقادير RRMSE و RE به ترتيب 66/10 و 83/8، 96/3 و 46/3 درصد مي باشد و براي مرحله اعتبارسنجي داراي مقادير به ترتيب 27/10 و 99/7، 81/13 و 17/10 درصد كه كمترين ميزان خطا و بالاترين ميزان دقت را دارا است.براي بافت نرم خشك C. umbonella مقادير RRMSE و RE به ترتيب 19/44 و 69/43 درصد براي مرحله ي واسنجي و 02/40 و 69/36 درصد براي مرحله اعتبارسنجي كه بيشترين ميزان خطا و كمترين ميزان دقت را در هر دو ايستگاه داشته است. سطح معني‌دار براي هر دو گونه مزبور 99 درصد است. نتايج بهدست آمده بيانگر آن است كه روش مدل‌سازي رگرسيوني جهت تخمين وزن تر وخشك بافت نرم سه گونه مورد مطالعه با استفاده از طول و عرض پوسته علاوه بر ساده بودن، سرعت بالا در تخمين بافت نرم و غير مخرب بودن داراي دقت بالا و دامنه‌ي كاربرد گسترده است.

This study examined the feasibility of using shell dimensions (length and width) to estimate the wet and dry weight of bivolve’s soft tissue. For this study, three species of bivolve’s (Solen brevis, Saccostrea cucullata and Callista umbonella) were collected from the coast of Bandar Abbas near the Terminal and Tourist Park of Soro in 2012. The length, width, wet weight and dry weight of soft tissue were measured. Two-variable regression model and validation of calibration was taken with SPSS (version 17). Survey results showed that the models were produced at an acceptable level. The relative error was 11.93-36.69 in dry soft tissue and 35.57-7.99 in wet soft tissue. Changes in the relative of standard division were 14.107- 44.19 and 1072-38.14 in dry and wet soft tissue, respectively. The results of this study showed that in the model for estimating wet soft tissue S. brevis at the Terminal and Tourist Park of Soro stations, RE and RRMSE values were found to be 10.66 and 8.83, 3.96 and 3.46 percent for calibration phase, and 10.27 and 7.99, 13.81 and 10.17 percent for the validation phase, respectively. It can be attributed to lowest error rate and highest accuracy. For dry soft tissue C. umbonella, RE and RRMSE values were found 44.19 and 43.69 percent for calibration phase, and 40.02 and 36.69 for the validation phase, respectively, which showed highest error rate and lowest accuracy in both stations. Level of significance for both species was 99%. The results revealed that regression modeling method using of length and wide of shell can be used to calculate the wet and dry weight of soft tissue in addition to being simple, high speed, non destructive and high precision.