Indexado em
  • Acesso Online à Pesquisa em Meio Ambiente (OARE)
  • Abra o Portão J
  • Genamics JournalSeek
  • JournalTOCs
  • Scimago
  • Diretório de Periódicos de Ulrich
  • Acesso à pesquisa on-line global em agricultura (AGORA)
  • Biblioteca de periódicos eletrônicos
  • Centro Internacional de Agricultura e Biociências (CABI)
  • RefSeek
  • Diretório de Indexação de Periódicos de Pesquisa (DRJI)
  • Universidade de Hamdard
  • EBSCO AZ
  • OCLC- WorldCat
  • Scholarsteer
  • Catálogo online SWB
  • Biblioteca Virtual de Biologia (vifabio)
  • publons
  • MIAR
  • Comissão de Bolsas Universitárias
  • Euro Pub
  • Google Scholar
Compartilhe esta página
Folheto de jornal
Flyer image

Abstrato

Técnicas avançadas para análise morfométrica em peixes

Mojekwu TO *, Anumudu CI

Informações sobre a biologia e a estrutura populacional de qualquer espécie são um pré-requisito para o desenvolvimento de estratégias de gestão e conservação. Caracteres morfométricos de peixes são os caracteres mensuráveis ​​comuns a todos os peixes. Alguns pontos selecionados arbitrariamente em um corpo de peixe, conhecidos como marcos, ajudam a analisar a forma individual do peixe. Um marco é um ponto de correspondência em um objeto que corresponde entre e dentro de populações. Técnicas avançadas para análise morfométrica oferecem ferramentas mais eficientes e poderosas para identificar diferenças entre populações de peixes, detectar diferenças entre grupos e diferenciar entre espécies de forma semelhante. Métodos morfométricos, como comparações univariadas, análises bivariadas do padrão de crescimento relativo e uma série de métodos multivariados foram desenvolvidos e aplicados para discriminar estoques. O uso de técnicas multivariadas, como componentes principais e análises discriminantes para quantificar variáveis ​​morfométricas, também está recebendo maior atenção na identificação de estoques. Algumas das técnicas avançadas desenvolvidas para análise morfométrica em população de peixes são medição de rede de treliça, análise de imagem - univariada, bivariada e multivariada, análise de componentes principais (PCA).

Isenção de responsabilidade: Este resumo foi traduzido usando ferramentas de inteligência artificial e ainda não foi revisado ou verificado