دانلود مقاله 75س

توضیحات محصول

شاخص های بیولوژیکی پیش بینی برای جمعیت جلبک ها در محیط های مختلف رود

تعداد صفحات انگلیسی:

تعداد صفحات فارسی :   22صفحه فونت 13          تعداد کلمات:9730

چکیده

شاخص های بیولوژیکی پیش بینی شده با کاربردی سازی شاخص های جهانی در محیط های زیستی متنوع ، چشم انداز ارزیابی زیستی را دگرگون کرده اند. توسعه موفقیت آمیز یک شاخص پیش بینی بی مهرگان بزرگ کفزی برای رودهای قابل انعطاف کالیفرنیا به نشان دادن قدرت این ابزار در تنظیمات پیچیده جغرافیایی کمک کرد. با این حال ، تلاش های قبلی برای ایجاد شاخص های پیش بینی جلبک برای کالیفرنیا با عملکرد ضعیف محدود شده و در نهایت ناموفق بود. برای این مطالعه ، ما از یک مجموعه داده قوی در سطح ایالت استفاده کردیم تا دو نوع مختلف از شاخص های جلبکی پیش بینی کننده برای جریانهای قابل انعطاف کالیفرنیا را توسعه دهیم: یک شاخص از آرایه های فراوانی مورد انتظار (O / E) برای اندازه گیری کامل بودن طبقه بندی و یک شاخص چند متریک (MMI) برای ارزیابی ساختار اکولوژیکی. ما نسخه های مختلفی از هر شاخص را توسعه دادیم ، از جمله یکی برای دیاتومه ها ، دیگری برای جلبک های بدن نرم و یک شاخص ترکیبی با استفاده از هر دو مجموعه. ما عملکرد شاخص را با استفاده از یک سری معیارهای غربالگری برای دقت ، صحت ، پاسخگویی و تمایل منطقه ای ارزیابی کردیم. ما دریافتیم که عملکرد شاخص نهایی در بین همه مجموعه ها متفاوت است: بهترین شاخص عملکردی فراوانی موردانتظار O / E فقط شاخص دیاتومه بود. این در حالی بود که دیاتومه پیش بینی شده و شاخص چند متریک ترکیبی با پاسخگویی و دقت عالی از تمام شاخص های دیگر بهتر بودند. ما دريافتيم كه در مقايسه با بی مهرگان بزرگ کفزی، جوامع جلبكي با تنوع بالایی از بتا در ميان سايت هاي مرجع و ميانگين غني گونه هاي پايين در هر سايت مشخص مي شوند.در نتيجه، جمعيت هاي متفاوت جلبكي بوجود می آیند كه مدل سازي آنها با رويكردهاي پيش بيني كننده ، به ويژه براي مجموعه هاي جلبك هاي نرم تن، چالش برانگيز است. در حالی که تمام شاخص های فراوانی مورد انتظار  O / E از نظر عملکرد ضعیف در نظر گرفته شده بودند ، شاخص دیاتومه پیش بینی شده و شاخص MMI ترکیبی شاخص های دقیق ، پاسخگو و دقیق هستند که ارزیابی قدرتمندی از شرایط بیولوژیکی را برای برنامه های کاربردی در سراسر کشور ارائه می دهند.

واژه های کلیدی: ارزیابی زیستی جلبک ، شاخص چند متریک، کالیفرنیا ، رودهایی با قابلیت جابجایی

Predictive biological indices for algae populations in diverse stream environments

Predictive biological indices have transformed the bioassessment landscape by allowing universal indices to be applicable across diverse environments. The successful development of a predictive benthic macroinvertebrate index for California wadeable streams helped to demonstrate the power of these tools in complex geographic settings. However, previous efforts to develop predictive algal indices for California were limited by poor performance and were ultimately unsuccessful. For this study, we leveraged a robust statewide dataset to develop two different types of predictive algal indices for California wadeable streams: an index of observed-to-expected taxa (O/E) to measure taxonomic completeness and a multimetric index (MMI) to evaluate ecological structure. We developed multiple versions of each index, including one for diatoms, one for soft-bodied algae, and a hybrid index using both assemblages. We evaluated index performance using a series of screening criteria for precision, accuracy, responsiveness, and regional bias. We found that final index performance varied among all assemblages: the best performing O/E index was a diatom-only index, whereas the predictive diatom and hybrid MMIs out-performed all other indices with excellent responsiveness and precision. We found that in comparison tobenthic macroinvertebrates, algal communities were characterized by high beta diversity across reference sites
and low average species richness per site, resulting in disparate algal populations that were challenging to model with predictive approaches, particularly for soft-bodied algae assemblages. While all O/E indices were considered to have weak performance, the predictive diatom and hybrid MMIs are accurate, responsive, and precise indices that will provide a powerful assessment of biological condition for statewide applications.

دانلود رایگان مقاله انگلیسی

دانلود مقاله انگلیسی