مدلسازی پهنه بندی اکوتوریسم با استفاده از تحلیل سلسله مراتبی فازی(FAHP) مطالعه موردی : شهرستان ماسال
Publish place: The 4th Conference on Environmental Planning and Management
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 732
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_380
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
پژوهش حاضر با هدف شناسایی و مکان یابی پهنه های مناسب اکوتوریسم انجام شده است. در این مطالعه به ارزیابی پتانسیل اکوتوریسم شهرستان ماسال در استان گیلان با استفاده از فرایند تحلیل سلسله مراتبی فازی (FAHP ) و سامانه اطلاعات جغرافیایی (GIS) پرداخته شد. بدین منظور ابتدا معیارها و زیر معیارهای مناسب در ارزیابی پتانسیل تفرجی منطقه شناسایی، سپس با استفاده از روش تحلیل سلسله مراتبی فازی پرسشنامه هایی تهیه و برای تعیین اهمیت معیارها و زیرمعیارهای موثر در ارزیابی پتانسیل تفرجی منطقه، بین متخصصین توزیع شدند. وزن معیارها و زیر معیارها در هر پرسشنامه محاسبه شده و با میانگین گیری از وزن ها، وزن نهایی با استفاده از مدل محاسبه شد. نقشه های لازم برای ارزیابی پتانسیل منطقه در محیط GIS تهیه و استاندارد سازی لایه ها با استفاده از توابع موجود در نرم افزار IDRISI انجام شد. در آخر با استفاده از GIS نقشه نهایی پتانسیل تفرجی منطقه تهیه شد. نتایج حاصل از نقشه نهایی اکوتوریسم نشان داد که به ترتیب 89.97 ، 8.61 و 1.42 درصد از کل مساحت منطقه، پتانسیل بسیار بالا و پتانسیل کم و فاقد توان برای فعالیت های اکوتوریسمی دارند. مناطقی که دارای تراکم بالای پوشش گیاهی و منابع آبی و شرایط مناسب اقلیمی هستند، بیش ترین پتانسیل را برای فعالیت های اکوتوریسمی در منطقه مورد مطالعه دارند. منطقه با توان کم و فاقد توان اکوتوریسمی، قسمت های مرکزی و شرقی منطقه می باشند که دارای کمترین تراکم از نظر حجم فعالیت های اکوتوریسمی هستند.
Keywords:
Authors
سمیرا مولایی
دانشجوی کارشناسی ارشد محیط زیست- ارزیابی و آمایش سرزمین، دانشگاه گیلان
مهرداد خانمحمدی
استادیار ، گروه محیط زیست دانشگاه گیلان
مهدی عالی پور
دانشجوی دکتری محیط زیست- ارزیابی و آمایش سرزمین، دانشگاه تهران
سیدمحمود هاشمی
استادیار، گروه محیط زیست دانشگاه گیلان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :