پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی

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 (۰۶/۰%) و تفرج گسترده طبقه دو (۳۳/۱۰%) است. توپولوژی ۳-۹-۷ به عنوان بهترین طبقهبندی با دقت کلی ۹۸% 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، ۱۷/۰% منطقه به تفرج متمرکز طبقه ۲، ۰۹/۱۰% به تفرج گسترده طبقه ۲ و ۷۴/۸۹% به نامناسب برای تفرج اختصاص یافت. مطالعه حاضر نشان داد شبکه عصبی مصنوعی قابلیت طبقهبندی مناطق مناسب گردشگری را با دقت بالا دارد.

پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی Keywords:

ارزیابی توان اکولوژیکی , اکوتوریسم , تجزیه و تحلیل سیستمی , شبکه عصبی مصنوعی , منطقه حفاظتشده ارسباران