Μοντέλα κατανομής ιχθυομάζας πελαγικών ειδών: αξιολόγηση των διαδεδομένων τεχνικών, εισαγωγή νέων, έλεγχος της αποτελεσματικότητάς τους σε αλιευτικά δεδομένα, διερεύνηση σχέσεων ειδώ...

Περίληψη

Η ανάγκη για επιστημονικά τεκμηριωμένες μελέτες, σχετικά με το χαρακτηρισμό των θαλάσσιων οικοσυστημάτων, τη διακύμανση της βιοποικιλότητας και αφθονίας των ειδών και τις επιπτώσεις της αλλαγής του κλίματος στα θαλάσσια οικοσυστήματα, έχει οδηγήσει στην αύξηση των εργασιών που αφορούν στην πρόβλεψη της κατανομής των ειδών. Η επιλογή της κατάλληλης προσέγγισης μοντελοποίησης κατανομής ειδών έχει ιδιαίτερη σημασία στην ποιότητα των αποτελεσμάτων. Στα πλαίσια της παρούσας διατριβής, σε ένα πρώτο επίπεδο, πραγματοποιήθηκε μια ευρεία σύγκριση τεχνικών με μοντέλα που εκπαιδεύονται με δεδομένα αφθονίας. Κατά τη σύγκριση αξιολογήθηκαν τα μοντέλα κατανομής ειδών (ΜΚΕ) ως προς την ικανότητα πρόβλεψης χρησιμοποιώντας δεδομένα ακουστικής πυκνότητας μικρών πελαγικών ειδών. Ειδικότερα με τα δεδομένα αφθονίας αναπτύχθηκαν γενικευμένα προσθετικά μοντέλα και μεικτά μοντέλα στα πλαίσια των μοντέλων παλινδρόμησης, συνδετικά νευρωνικά δίκτυα και σύνολα τεχνιτών νευρωνικών δικτύων στα πλαίσια των νευρωνικώ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Accurate prediction of species distributions based on sampling and environmental data is essential for further scientific analysis, such as stock assessment, detection of abundance fluctuation due to climate change or overexploitation, and to underpin management and legislation processes. The evolution of computer science and statistics has allowed the development of sophisticated and well-established modelling techniques as well as a variety of promising innovative approaches for modelling species distribution. The appropriate selection of modelling approach is crucial to the quality of predictions about species distribution. In this study, modelling techniques based on different approaches are compared and evaluated in relation to their predictive performance, utilizing fish density acoustic data. Generalized additive models and mixed models amongst the regression models, associative neural networks and artificial neural networks ensemble amongst the artificial neural networks and or ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/26484
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/26484
ND
26484
Εναλλακτικός τίτλος
Small pelagic species distribution models: evaluating of well established modelling techniques, introducing new innovative approaches, assessing their efficiency to fisheries data, and identifying species - environment relationships
Συγγραφέας
Παλιαλέξης, Ανδρέας (Πατρώνυμο: Ηλίας)
Ημερομηνία
2011
Ίδρυμα
Πανεπιστήμιο Κρήτης. Σχολή Θετικών και Τεχνολογικών Επιστημών. Τμήμα Βιολογίας
Εξεταστική επιτροπή
Καρακάσης Ιωάννης
Γεωργακαράκος Ευστράτιος
Λύκα Κωνσταντίνα
Κεντούρη Μαρουδιώ
Παυλίδης Μιχαήλ
Γιαννουλάκη Μαριάννα
Βασιλοπούλου Βασιλική
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Γεωεπιστήμες και Επιστήμες Περιβάλλοντος
Γεωπονικές Επιστήμες και Κτηνιατρική
Γεωπονία, Δασολογία και Αλιεία
Λέξεις-κλειδιά
Μοντέλα κατανομής ειδών; Μοντελοποίηση ενδιαιτημάτων; Μέθοδοι σύγκρισης μοντέλων; Χάρτες ενδιαιτημάτων; Χάρτες πρόβλεψης; Μικρά πελαγικά είδη ψαριών
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
εικ., πιν., χαρτ., σχημ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)