ویژگی های تشخیصی در صفت های شمارشی و اندازشی سه گونه از جنس Acanthobrama در آب های داخلی ایران
Publish place: Taxonomy and biosystematics، Vol: 10، Issue: 36
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 193
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TBJ-10-36_004
تاریخ نمایه سازی: 23 اردیبهشت 1400
Abstract:
در مطالعه حاضر به منظور مقایسه صفت های شمارشی و اندازشی گونه های جنس Acanthobramaدر آب های داخلی ایران، ۶۸ قطعه از گونه A. marmid از رودخانه گاماسیاب حوضه تیگره، ۸۵ قطعه از گونه A. microlepis از رودخانه های ارس و سفیدرود حوضه خزر و تعداد ۹۰ قطعه از گونه A. urmianus از رودخانه های مهابادچای و گدارچای حوضه دریاچه ارومیه طی سال های ۱۳۹۰ تا ۱۳۹۶ با تور گوشگیر و الکتروشوکر صید شدند. نمونه ها پس از بیهوشی، در فرمالین۱۰ درصد بافری تثبیت و برای مطالعه بیشتر به آزمایشگاه منتقل شدند. تعداد ۶ صفت شمارشی و ۱۶ صفت اندازشی شمارش یا اندازه گیری شدند. نتایج نشان دادند در تمام صفت های اندازشی به جز طول باله سینه ای بین گونه های مطالعه شده تفاوت معنادار وجود دارد (۰۵/۰P<). در تحلیل خوشه ای، گونه های A. microlepis و A. urmianus در یک خوشه قرار گرفتند. گونه های مطالعه شده در صفت های تعداد فلس روی خط جانبی، شعاع های منشعب و غیر منشعب باله پشتی و شعاع منشعب باله مخرجی با یکدیگر اختلاف معنا دار داشتند (۰۵/۰P<). MANOVA/CVA صفت های شمارشی، گونه A. urmianusرا جداازگونه A. microlepisنشان داد. تحلیل خوشه ای صفت های شمارشی، گونه A. microlepisرا در خوشه جداگانه ای قرار داد.
Keywords:
Authors
کیوان عباسی رنجبر
استادیار پژوهشکده آبزی پروری آب های داخلی، موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، بندر انزلی، ایران
عطا مولودی صالح
دانشجوی دکتری بوم شناسی آبزیان شیلاتی، گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
سهیل ایگدری
دانشیار گروه شیلات، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
علینقی سرپناه
استادیار موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :