Halak fajkompozíciója és hidromorfológiai változók közötti összefüggések a Duna magyarországi szakaszán

Benedek Jandó; Vivien  Füstös; Alexander Anatol Ermilov; Zoltán Szalóky; Tibor Erős; Sándor Baranya

doi:10.59258/hk.15656

Jandó Bendek Állatorvostudományi Egyetem Budapest https://orcid.org/0009-0000-0291-1930
Füstös Vivien Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék https://orcid.org/0009-0000-1886-5254
Ermilov Alexander Anatol Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék https://orcid.org/0000-0002-2650-5870
Szalóky Zoltán Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék
Erős Tibor Balatoni Limnológiai Kutatóintézet https://orcid.org/0000-0002-2252-3115
Baranya Sándor Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék https://orcid.org/0000-0001-5832-9683

Kulcsszavak: Hal-élőhely kapcsolatok, gépi tanulás, ökohidraulika, regressziós Random Forest, folyami élőhely értékelés

Absztrakt

Hiányos ismeretekkel rendelkezünk a halközösségek szerkezetét meghatározó abiotikus tényezők jelentőségéről nagy folyókban. Kutatásunkban a Duna magyarországi szakaszán 2004. és 2022. között végzett halfaunisztikai felmérésekben szereplő 20 leggyakoribb halfaj előfordulásaihoz rendeltünk vízügyi adatsorokból, illetve hidrodinamikai szimulációkból adatokat és ezek között gépi tanulás (Machine Learning-ML) segítségével kerestünk összefüggéseket. Az elemzésben független változóként feltüntetett 9 abiotikus tényező közül a sodrás sebessége, a vízmélység és a mederanyag összetétele bizonyultak a legmeghatározóbb változóknak, ami összecseng a korábbi kutatások eredményeivel. Emellett, az általunk készített Random Forest modell alkalmasnak bizonyult adott körülmények mellett az elemzett halfajok számosságának prediktálására a Duna teljes hazai szakaszán. Ezek a becslések az egyes halfajok számára optimális élőhelyeket számszerűsítik. A ML elemzés mellett lehetőségeket mutattunk a nagy teret és időt lefedő halfaunisztikai adatbázis populációs kapcsolatok vizsgálatában (mint például invazív és őshonos fajok viszonya) való használatára klasszikus statisztikai módszerekkel. Az itt kapott eredmények sok esetben összecsengtek a random forest modellel, azonban okot adnak a modell további független változókkal való bővítésére a dunai halfajok ökológiájának jobb megértése érdekében.

Szerző életrajzok

Jandó Bendek, Állatorvostudományi Egyetem Budapest

jandó Benedek az Állatorvostudományi Egyetem hallgatója angol nyelvű kutató zoológus szakon. Különösen érdeklődik az ökológia és határterületei iránt. 2020 óta tagja a Magyar Biodiverzitás-kutató Társaságnak, továbbá aktív önkéntese és adatgyűjtője a Magyar Madártani és Természetvédelmi Egyesületnek és az Ócsai Madárvárta Egyesületnek.

Füstös Vivien, Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék

FÜSTÖS VIVIEN okleveles infrastruktúra-építőmérnök, jelenleg PhD-tanulmányait folytatja a Budapesti Műszaki és Gazdaságtudományi Egyetem Vásárhelyi Pál Építőmérnöki és Földtudományi Doktori Iskolában. Kutatási témája a folyami élőhelyek hidromorfológiai vizsgálata mikro- és mezoléptékben. 2017 óta a Magyar Hidrológiai Társaság tagja.

Ermilov Alexander Anatol, Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék

ERMILOV ALEXANDER ANATOL okleveles építőmérnök, doktorandusz a Budapesti Műszaki és Gazdaságtudományi Egyetem Vízépítési és Vízgazdálkodási Tanszékén. Doktori kutatásának témája a folyami áramlás és a mederfenék kölcsönhatásának vizsgálata. 2015-ben TDK II. helyezést kapott a „Balaton szélkeltette vízcsere folyamatainak numerikus modell alapú vizsgálata” című dolgozattal, majd ezen értekezéssel I. helyezést ért el a Magyar Hidrológiai Társaság Lászlóffy Woldemár diplomamunka pályázatán. MSc diplomamunkáját a Norwegian University of Science and Technology-n védte meg 2017-ben.

Szalóky Zoltán, Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék

SZALÓKY ZOLTÁN biológus (ELTE 2002), 2017-ben szerzett PhD fokozatot az Eötvös Loránd Tudományegyetemen. Jelenleg intézeti mérnök a HUN-REN Ökológiai Kutatóközpontban. Kutatási területe álló- és folyóvizek hidro- és halbiológiai vizsgálatai, különös tekintettel nagy folyók halközösségeire.

Erős Tibor, Balatoni Limnológiai Kutatóintézet

ERŐS TIBOR biológus, 2005-ben szerzett PhD fokozatot az Eötvös Loránd Tudományegyetemen. Jelenleg a HUN-REN Balatoni Limnológiai Kutatóintézet igazgatója. Kutatási területe: halegyüttesek szerveződése édesvizekben, biológiai sokféleség és a környezeti tényezők kapcsolata édesvizekben, mintavétel reprezentativitása, monitorozás rendszerek fejlesztése, természetvédelmi területek kijelölése édesvizek természeti értékei alapján. 1999 óta a Magyar Hidrológiai Társaság tagja.

Baranya Sándor, Budapesti Műszaki és Gazdaságtudományi Egyetem, Vízépítési és Vízgazdálkodási Tanszék

BARANYA SÁNDOR építőmérnöki oklevelét a Budapesti Műszaki és Gazdaságtudományi Egyetemen szerezte 2003-ban, PhD fokozatát ugyanitt 2010-ben. Jelenleg a BME Vízépítési és Vízgazdálkodási Tanszékének egyetemi docense. Kutatási területe folyók medermorfológiai, áramlástani és hordalékvándorlási vizsgálata terepi eljárásokkal és számítógépes modellezéssel. A Magyar Hidrológiai Társaságnak 2003 óta tagja.

Hivatkozások

A Víz keretirányelv hazai megvalósítása (2009). Vízgyűjtő-gazdálkodási terv. Budapest: Vízügyi és Környezetvédelmi Központi Igazgatóság.

Baranya S., Fleit G., Józsa J., Szalóky Z., Tóth B., Czeglédi I., Erős T. (2018). Habitat mapping of riverine fish by means of hydromorphological tools. Ecohydrology, 11(7). https://doi.org/10.1002/eco.2009

Bergström, P., Gonzalez-Mirelis, G., Lindegarth, M. (2011). Interaction between classification detail and prediction of community types: implications for predictive modelling of benthic biotopes. Marine Ecology Progress Series, 432. pp. 31-44. https://doi.org/10.3354/meps09129

Chevalier, M., Tedesco, P., Grenouillet, G. (2022). Spatial patterns in the contribution of biotic and abiotic factors to the population dynamics of three freshwater fish species. PeerJ Life & Environment, 10:e12857. https://doi.org/10.7717/peerj.12857

Copp, G.H. (1990). Shifts in the microhabitat of larval and juvenile roach, Rutilus rutilus (L.), in a floodplain channel. Journal of Fish Biology, 36. pp. 683-692. https://doi.org/10.1111/j.1095-8649.1990.tb04322.x

Elmahdy, S., Ali, T., Mohamed, M., Howari, F., Abouleish, M., Simonet, D. (2020). Spatiotemporal Mapping and Monitoring of Mangrove Forests Changes From 1990 to 2019 in the Northern Emirates, UAE Using Random Forest, Kernel Logistic Regression and Naive Bayes Tree Models. Frontiers in Environmental Science, 8. pp. 102-125. https://doi.org/10.3389/fenvs.2020.00102

Erős T., Vörös J. (2017). Áttekintés a hazai idegenhonos inváziós halak, kétéltűek és hüllők jelenlegi helyzetéről. Magyar Tudomány, 4. pp. 426-428.

Farkas-Iványi K., Trájer A. (2015). The influence of the river regulations on the aquatic habitats in river Danube, at the Bodak branch-system, Hungary and Slovakia. Carpathian Journal of Earth and Environmental Sciences, 10(3). pp. 235-245.

Franco, A., Garcia-Berthou, E., dos Santos, L. (2020). Ecological impacts of an invasive top predator fish across South America. Science of The Total Environment, 761., 143296. https://doi.org/10.1016/j.scitotenv.2020.143296 PMid:33187704

Füstös V., Baranya S., Fleit G., Erős T., Szalóky Z., Tóth B., Józsa J. (2019). A felső‐magyarországi Duna élőhelyszempontú hidrodinamikai vizsgálata. Pisces Hungarici, 13. pp. 81-90.

Füstös V., Erős T., Józsa J. (2021). 2D vs. 3D Numerical Approaches for Fish Habitat Evaluation of a Large River-Is 2D Modeling Sufficient? Periodica Polytechnica Civil Engineering, 65(4). pp. 1114-1125. https://doi.org/10.3311/PPci.17788

Garner, P. (1995). Suitability indices for juvenile 0+ roach [rutilus rutilus (l.)] using point abundance sampling data. Regulated Rivers: Research & Management, 10(2-4). pp. 99-104. https://doi.org/10.1002/rrr.3450100206

Harka Á., Sallai Z. (2004). Magyarország halfaunája. Szarvas: Nimfea Természetvédelmi Egyesület., p. 269.

Jackson, D.A., Peres-Neto, P.R., Olden, J.D. (2001). What controls who is where in freshwater fish communities – the roles of biotic, abiotic and spatial factors. Canadian Journal of Fisheries and Aquatic Sciences, 58(1), pp. 157-170. https://doi.org/10.1139/f00-23

Kottelat, M., Freyhof, J. (2007). Handbook of European Freshwater Fishes. Cornol, Switzerland and Berlin, Germany: Maurice Kottelat and Jörg Freyhof. p. 646.

Liu, Z., Peng, C., Work, T., Candau, J.-N., DesRochers, A., Kneeshaw, D. (2018). Application of machine learning methods in forest ecology: recent progress and future challenges. Environmental Reviews, 26(10). pp. 339-350. https://doi.org/10.1139/er-2018-0034

Matuszek, J.E., Beggs, G. (1988). Fish Species Richness in Relation to Lake Area, pH, and Other Abiotic Factors in Ontario Lakes. Canadian Journal of Fisheries and Aquatic Sciences, 45(11). pp. 1931-1941. https://doi.org/10.1139/f88-225

Meyer, H., Pebesma, E. (2021). Predicting into unknown space? Estimating the area of applicability of spatial prediction models. Methods in Ecology and Evolution, 12(9). pp. 1620-1633. https://doi.org/10.1111/2041-210X.13650

Near, T., Page, L., Mayden, R. (2001). Intraspecific phylogeography of Percina evides (Percidae: Etheostomatinae): an additional test of the Central Highlands pre-Pleistocene vicariance hypothesis. Molecular Ecology, 10. pp. 2235-2240. https://doi.org/10.1046/j.1365-294X.2001.01362.x PMid:11555265

Olden, J., Lawler, J., Poff, N. (2008). Machine learning methods without tears: A primer for ecologists. The Quarterly Review of Biology, 83(2). pp. 171-193. https://doi.org/10.1086/587826 PMid:18605534

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python, JMLR, 12. pp. 2825-2830. https://jmlr.csail.mit.edu/papers/v12/pedregosa11a.html

Quist, M.C., Hubert, W.A. (2005). Relative Effects of Biotic and Abiotic Processes: A Test of the Biotic–Abiotic Constraining Hypothesis as Applied to Cutthroat Trout. Transactions of the American Fisheries Society, 134(3). pp. 676-686. http://dx.doi.org/10.1577/T04-112.1

Reiczigel J., Harnos A., Solymosi N. (2010). Biostatisztika nem statisztikusoknak. Nagykovácsi: Pars Kft.

Rossier, O., Castella, E., Lachavanne, J.-B. (1996). Influence of submerged aquatic vegetation on size class distribution of perch (Perca fluviatilis) and roach (Rutilus rutilus) in the littoral zone of Lake Geneva (Switzerland). Aquatic Sciences, 58(1), pp. 1-14. https://doi.org/10.1007/BF00877636

Sloss, B., Billington, N., Burr, B. (2004). A molecular phylogeny of the Percidae (Teleostei, Perciformes) based on mitochondrial DNA sequence. Molecular Phylogenetics and Evolution, 32. pp. 545-562. https://doi.org/10.1016/j.ympev.2004.01.011 PMid:15223037

Sylvain, C., Hervet, É., Lecomte, N. (2019). Applications for deep learning in ecology. Methods in Ecology and Evolution, 10. pp. 1632-1644. https://doi.org/10.1111/2041-210X.13256

Szalóky Z., Bammer, V., György Á.I., Pehlivanov, L., Schabuss, M., Zornig, H., Weiperth A., Erős T. (2015). Offshore distribution of invasive gobies (Pisces: Gobiidae) along the longitudinal profile of the Danube River. Fundamental Applied Limnology, 187(2), pp. 127-133. http://dx.doi.org/10.1127/fal/2015/0768

Szalóky Z., Füstös V., Tóth B., Erős T. (2021). Environmental drivers of benthic fish assemblages and fish-habitat associations in offshore areas of a very large river. River Research and Applications, 37(5). pp. 712-721. https://doi.org/10.1002/rra.3793

Szalóky Z., György, Á.I., Tóth B., Sevcsik A., Specziár A., Csányi B., Szekeres J., Erős T. (2014). Application of an electrified benthic frame trawl for sampling fish in a very large European river (the Danube River) - Is offshore monitoring necessary? Fisheries Research, 151. pp. 12-19. https://doi.org/10.1016/j.fishres.2013.12.004

Takács P., Czeglédi I., Ferincz Á. Sály P., Specziár A., Vitál Z., Weiperth A., Erős T. (2017). Non-native fish species in Hungarian waters: historical overview, potential sources and recent trends in their distribution. Hydrobiologia 795. pp. 1-22. https://doi.org/10.1007/s10750-017-3147-x

Tavares, C., Brauns, M., Hille, S., Krenek, S., Borcherding, J., Weitere, M. (2020). Tracing the colonization process of non-native gobies into a large river: the relevance of different dispersal modes. Biological Invasions, 22. pp. 2421-2429. https://doi.org/10.1007/s10530-020-02281-x

Tózsa I. (1998). Tájképi homogenitás Magyarországon. Földrajzi Értesítő, 47(3), pp. 432-445. https://www.mtafki.hu/konyvtar/kiadv/FE1998/FE19983_432-445.pdf

U.S. Fish and Wildlife Service (1985). Habitat suitability models and instream flow suitability curves: pink salmon. Biological report, 10.109. https://apps.dtic.mil/dtic/tr/fulltext/u2/a322912.pdf

Zajicek, P., Wolter, C. (2018). The gain of additional sampling methods for the fish-based assessment of large rivers. Fisheries Research, 197. pp. 15-24. https://doi.org/10.1016/j.fishres.2017.09.018