>
Fa   |   Ar   |   En
   برازش مدل های رگرسیونی تک متغیره و چند متغیره برای پیش بینی وزن دنبه و قطعات مختلف لاشه با استفاده از خصوصیات ظاهری  
   
نویسنده حسینی وردنجانی مهدی ,میرایی آشتیانی رضا سید ,پاکدل عباس ,مرادی شهربابک حسین ,فضائلی حسن
منبع علوم دامي - 1392 - دوره : 26 - شماره : 1 - صفحه:34 -42
چکیده    آگاهی از قطعات مختلف لاشه و وزن دنبه در حیوان زنده، می تواند به انتخاب و تعیین سن بهینه کشتار کمک کند. بدین منظور اندازه گیری وزن زنده، ابعاد فنوتیپی دنبه و همچنین اندازه گیری چربی پشتی و مساحت عضله چشمی با اولتراسوند در 38 راس بره نر مغانی انجام گرفت. سپس همه ی گوسفندان کشتار شده و پس از حذف کلیه اندام های داخلی بدن، لاشه ها به مدت 24 ساعت در دمای 4 درجه سانتیگراد در سردخانه نگه داری شدند. پس از این مدت هر لاشه به دو نیم لاشه تقسیم شده و سمت راست هر لاشه به قطعات ران، سردست، قلوه گاه، راسته و گردن تقسیم و وزن هر قطعه ثبت شد. تجزیه آماری داده ها نشان داد که وزن بدن به تنهایی 85/0، 43/0، 56/0، 70/0، 52/0 و 50/0 از تغییرات مربوط به وزن نیم لاشه، گردن، سردست، ران، راسته و قلوه گاه را به ترتیب، توضیح می دهد. مقادیر انحراف استاندارد باقیمانده در معادلات بدست آمده نیز بسیار پایین و دارای دامنه ای از 10/0 تا 50/0 بود. افزودن متغیرهای اندازه گیری شده به وسیله سونوگرافی در قالب مدل های رگرسیون چندگانه ضرایب تشخیص همه معادلات را، به جز معادله مربوط به پیش بینی وزن گردن افزایش داد و به ترتیب آن ها را به 86/0، 43/0، 59/0، 73/0، 58/0 و 57/0 رسانید. پیش بینی وزن دنبه با بکار بردن متغیرهای محیط، عرض و قطر دنبه به روش گام به گام ضریب تشخیص مدل را 78/0 تعیین کرد در حالی که استفاده از مدل کامل r2 را به 81/0 رسانید. بر اساس یافته های این پژوهش، پیش بینی قطعات لاشه و وزن دنبه با استفاده از برخی اندازه گیری های فنوتیپی و سونوگرافی، با صحت بالا امکان پذیر می باشد.
کلیدواژه قطعات لاشه ,اولتراسوند ,معادلات رگرسیون ,انحراف استاندارد باقی مانده ,Carcass parts ,Ultrasound ,Regression equations ,Residual standard deviation
آدرس دانشگاه تهران, ایران, دانشگاه تهران, ایران, دانشگاه تهران, ایران, دانشگاه تهران, ایران, موسسه تحقیقات علوم دامی کشور, ایران
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved