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 (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.