پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی
نویسندگان
1 دانشجوی دکتری مهندسی جنگل دانشکده منابع طبیعی دانشگاه تهران
2 استاد گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، ایران
3 استاد گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، ایران
4 دانشیار گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، ایران
5 استاد گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، ایران
doi
چکیده
استفاده تفرجی از منطقه باید مطابق توان محیطزیستی آن انجام گیرد. بنابراین، این پژوهش با هدف ارایه یک روش برای مدلسازی و رتبهبندی مناطق دارای توان اکوتوریسم انجام شد. بدین منظور از روش سیستمی مخدوم با توجه به ویژگیهای منطقه و شبکه عصبی پرسپترون چندلایه (MLP) برای ارزیابی توان اکولوژیکی منطقه حفاظت شده ارسباران استفاده شد. در گام نخست منابع اکولوژیکی و اقتصادی- اجتماعی شناسایی و نقشههای آنها تهیه شدند، سپس با تجزیه و تحلیل و جمعبندی دادهها در نرمافزار ArcGIS نقشه توان اکوتوریسم حاصل شد. در مرحله بعد با استفاده از نتایج روش سیستمی، شبکه عصبی آموزش داده شد و ساختارهای مختلف آن مورد ارزیابی قرار گرفتند و در نهایت نقشه مناطق مناسب گردشگری براساس خروجی شبکه عصبی مدلسازی شد. در مرحله آخر با دخالت دادن معیارهای اقتصادی- اجتماعی و جاذبههای تفرجی اولویتبندی و ارزیابی نهایی انجام گرفت. ارزیابی توان اکولوژیکی با روش سیستمی نشان داد، منطقه دارای توان برای تفرج متمرکز طبقه دو (06/0%) و تفرج گسترده طبقه دو (33/10%) است. توپولوژی 3-9-7 به عنوان بهترین طبقهبندی با دقت کلی 98% جهت طبقهبندی مناطق تفرجی انتخاب شد و بهترین عملکرد شبکه عصبی به کلاس تفرج متمرکز و کمترین عملکرد به کلاس تفرج گسترده تعلق گرفت. براساس نقشه مدلسازی شده، 17/0% منطقه به تفرج متمرکز طبقه 2، 09/10% به تفرج گسترده طبقه 2 و 74/89% به نامناسب برای تفرج اختصاص یافت. مطالعه حاضر نشان داد شبکه عصبی مصنوعی قابلیت طبقهبندی مناطق مناسب گردشگری را با دقت بالا دارد.