
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,501 |
تعداد مشاهده مقاله | 8,620,430 |
تعداد دریافت فایل اصل مقاله | 8,210,918 |
مقایسه روش تحلیل مولفه اصلی و رگرسیون چندگانه در تخمین وزن شترهای پرواری | ||
نشریه پژوهش در نشخوار کنندگان | ||
دوره 11، شماره 2، شهریور 1402، صفحه 37-48 اصل مقاله (948.11 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/ejrr.2023.20394.1855 | ||
نویسندگان | ||
مرتضی بیطرف ثانی1؛ مهدی خجسته کی* 2؛ کریم نوبری3؛ بمانعلی میرجلیلی1؛ علی شفیع نادری1؛ جواد زارع هرفته1 | ||
1بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی یزد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یزد، ایران | ||
2بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران | ||
3استادیار بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران | ||
چکیده | ||
سابقه و هدف: یکی از منابع درآمدی مردم حاشیه کویر در بسیاری از نقاط جهان پرورش و نگهداری شتر است. خصوصیات مرتبط با رشد شتر، از جمله صفات وزن تولد، وزن شیرگیری، افزایش وزن روزانه و وزن یک سالگی به عنوان صفات اصلی اقتصادی مد نظر شترداران میباشد. برای مدیریت و بهبود ژنتیکی و فنوتیپی این صفات، رکوردبرداری اوزان این دامها ضروری میباشد. رکوردبرداری از شتر بویژه وزن کشی آن به دلیل نا آرامی و جثه بزرگ با دشواری های متعدد همراه است. استفاده از روشهای ریاضی کارآمد می تواند این مشکل را رفع نماید. روشهای ریاضی مختلفی برای پیشبینی وزن شتر از روی ابعاد بدنی آن ارائه شده و کارایی آنها به اثبات رسیده است. لذا، مطالعه حاضر با هدف مقایسه کارایی رگرسیون به روش تحلیل مؤلّفههای اصلی و رگرسیون چندگانه در تخمین وزن شترهای پرواری از روی ابعاد بدنی به انجام شده است. مواد و روشها: به منظور مقایسه کارایی رگرسیون به روش تحلیل مؤلّفه اصلی و رگرسیون چندگانه در تخمین وزن شترهای پرواری از روی ابعاد بدن، رکورد مربوط به 220 نفر بچه شتر پرواری ایستگاه بافق یزد مورد استفاده قرار گرفت. برای این منظور بچه شترها تازه متولد شده برای یک دوره 9 ماهه با استفاده از جیرههای استاندارد پروار شدند. در طول دوره هر یک از بچه شترهای پروار وزن کشی شده و اندازه بدنی آنها شامل طول بدن، ارتفاع شانه، دور سینه، عرض شکم، ارتفاع کوهان تا زمین، دور پوزه، طول گردن، فاصله شانه تا استخوان لگن، طول دم، عرض لگن، ارتفاع کوهان تا زیرشکم و طول سر اندازهگیری شد. ابعاد بدنی شترها با استفاده از متر نواری و وزن بدن آنها با استفاده از باسکول دامکش ثبت شد. سپس دادهها، با استفاده از دو روش تحلیل مولفههای اصلی و رگرسیونچندگانه مورد تجزیه تحلیل قرار گرفتند. به منظور برازش مدل های پیش بینی کننده، وزن بدن شترها به عنوان متغیر وابسته و صفات بیومتری (اندازه بدنی شترها) به عنوان متغیرهای مستقل به مدل معرفی شد. تجزیه و تحلیل مدل های رگرسیون با استفاده از مدل های خطی یک و چند متغیره انجام و بهترین مدل جهت تخمین وزن شترها از روی ابعاد بدنی با روش گام به گام (Stepwise) انتخاب گردید. کارایی هر یک از مدلها، با استفاده از آماره ضریب تبیین نسبت به یکدیگر مورد ارزیابی قرار گرفت. یافتهها: براساس نتایج، همبستگی بین وزن بدن با ابعاد مختلف بدن شامل طول بدن، ارتفاع شانه، دور سینه، عرض شکم، ارتفاع کوهان تا زمین، دور پوزه، طول گردن، فاصله شانه تا استخوان لگن، طول دم، عرض لگن، ارتفاع کوهان تا زیر شکم و طول سر به ترتیب 93/0، 89/0، 89/0، 89/0، 94/0، 73/0، 89/0، 90/0، 80/0، 85/0 ، 89/0 و 79/0 برآورد شد. نتایج نشان داد که از بین 6 مدل رگرسیون برازش شده برای تخمین وزن شترهای پروار، مدل شماره 6 که در آن متغیرهای طول سر، طول بدن، عرض شکم، طول گردن، دور پوزه و ارتفاع شانه به عنوان متغیر پیشبینی کننده استفاده شده بود، دارای کمترین خطا (06/12) و بالاترین دقت 92/0 نسبت به سایر مدل ها بود. در تحلیل رگرسیون به روش تحلیل مولفههای اصلی، مولفه اول، مولفه دوم و مجموع به ترتیب 1/82، 73/3 و 8/85 درصد از واریانس وزن بدن را تبیین نمود. وزن شترهای پرواری با استفاده از تحلیل مولفههای اصلی با دقت 93/0 و خطای 54/11 پیش بینی شد. نتیجهگیری: نتایج مطالعه حاضر نشان داد به منظور تخمین وزن شترهای پرواری استفاده از تحلیل مولفه اصلی علاوه بر ساده نمودن مدل های پیش بینی کننده، در مقایسه با رگرسیون چندگانه از کارایی و دقت بالاتر و همچنین خطای کمتری برخوردار بود و این روش می تواند جایگزین مناسبی برای روش رگرسیون در پیش بینی وزن شترها باشد. | ||
کلیدواژهها | ||
شتر؛ رگرسیون چندگانه؛ تحلیل مولفه اصلی؛ تخمین وزن | ||
مراجع | ||
Atta, M. and el-Khidir, O.A. 2004. Use of heart girth wither height and scapuloischial length for prediction of love weight of Nilotic sheep. Small Ruminant Research, 55(1):233-237.
Bahashwan, S., Alrawas, A.S., Alfadli, S. and Johnson, E.S. 2016. Dofari cattle growth curve prediction by different nonlinear model functions. Livestock Research, 27(12).
Bitaraf Sani, M., Harofte, J.Z., Banabazi, M.H., Esmaeilkhanian, S., Naderi, A.S., Salim, N. and Faghihi, M.A. 2021. Genomic prediction for growth using a low-density SNP panel in dromedary camels. Scientific Reports, 11(1): 1-14.
Cannas, A. and Boe, F. 2003. Prediction of the relationship between body weight and body condition score in sheep. Italian Journal of Animal Sciences, 2: 527-529.
FAO. 2019. FAOSTAT, Food and Agriculture Organization of the United Nations, Rome. ISBN 978-92-5-131789-1.
FAO. 2021. Statistical year book world food and agriculture. Food and Agriculture Organization of the United Nations, Rome. ISBN 978-92-5-134332-6.
Faye, B. 2013. Camel Farming Sustainability: The Challenges of the Camel Farming System in the XXIth Century. Journal of Sustainable Development, 6(12): 74-82.
Franicis, J., Sibanda, S., Hermansen, J. and Kristrerrsen, T.E. 2002. Estimating body weight of cattle using linear body measurements. Zimbabwe Veterinary Journal, 33:15.
Iqbal, Z.M., Javed, K., Abdollah, M., Ahmad, N., Ali, A., Khalique, A., Aslamand, N. and Younas, U. 2014. Estimation of body weight from different morphometric measurement in Kali lambs. Journal of Animal and Plant Science, 24(3): 700-703.
Kadim, I.T., Mahgoub, O. and Purchas, R.W. 2008. A review of the growth and the carcass and meat quality characteristics of the one humped camel. Meat Science, 80(3): 555-69.
Khodai, S.A. 2004. The report on camel production systems and the socio-economics of camel herders in the Islamic Republic of Iran. Cardn /Acsad / Camel, 107: 4–10.
Kohler-Rollefson, I., Mundy, P. and Mathias, E. 2001. A Field Manual of Camel Diseases. London, U.K., Intermediate Technology Group Publishing, pp. 254.
Littell, R.C., Freund, R.J. and Spector, P.C. 1991. SAS System for Linear Model. 8th Edition, SAS Institute Inc., Cary.
Mahmoud, M.A., Shaba, P. and Zubairu, U.V. 2014. Live body weight estimation in small ruminant: areview. Global Journal of Animal Scientific Research, 2(2).
Moradi Sharbabak, H., Moghbeli, H., Moradi Sharbabak, M., Miraie Ashtiani, S.R. 2015. Determination of camel weight regression equation using biometrical traits of Yazdi camel breed by multivariate linear regression analysis based on the principal component analysis. Animal Science Journal (Pajuhesh and Sazandegi), 108 : 25-34. (In Persian).
Ogah, D.M. 2011. Assessing size and conformation of the body of Nigerian indigenous turkey. Slovak Journal of Animal Science, 44 (1): 21-27.
R-Cran. 2019. R-3.5.3 for Windows (32/64 bit). Package source: ggfortify_0.4.14.tar.gz.
Salau, J., Haas, J., Junge, W., Bauer, U., Harms, J. and Bieletzki, S. 2014. Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns. Springer Plus, 3: 225.
Salehi, M. and Gharahdaghi, A.A. 2013. Camel Production Potential and Recent Research in Iran. Available online: ttp://agris.fao.org/agris-search (12 Jan 2022).
Snedecor, S.W. and Cochran, W.G. 1989. Statistical method s. 8th Edition, Iowa state University Press. USA.
SPSS. 2016. IBM SPSS Statistics for Windows, Version 24.0. Armonk, NY: IBM Corp (Released 2016).
Tsegaye, D., Belay, B. and Haile, A. 2013. Linear body measurement as predictor of body weight in Haraghe Highland goat under farmer’s environment Ethiopia. Global Veterinarian, 11(5): 649-656.
Yakubu, A., Kingsley, K.O. and Agade, Y.I. 2009. Using factor scores in multiple linear regression models for predicting the carcass weight of broiler chickens using body measurements. Revista UDO Agrícola, 9 (4): 963-967. 2009. | ||
آمار تعداد مشاهده مقاله: 267 تعداد دریافت فایل اصل مقاله: 151 |