Journal of Rangeland

fa مدل سازی توان بوم گردی با استفاده از الگوریتم های ناپارامتریک در مراتع کجور استان مازندران Ecotourism Potential Modeling Using Non-Parametric Algorithms in Western Rangelands of Mazandaran Province عمومى General پژوهشي Research سابقه و هدف: بومگردی یکی از موثرترین رویکردها برای توسعه اقتصادی و حفاظت از طبیعت است. بومگردی منجر به تغییرات مثبت قابل توجهی در رفتار ساکنان محلی و گردشگران منطقه نسبت به حفظ منابع طبیعی و فرهنگی میشود. در این راستا، پژوهش حاضر، با هدف مدلسازی و رتبهبندی مناطق دارای توان بومگردی در مراتع انجام شد. مواد و روش: در راستای هدف پژوهش حاضر از روش سیستمی مخدوم با توجه به ویژگیهای منطقه برای ارزیابی توان بومگردی مراتع غرب استان مازندران استفاده شد. ابتدا عوامل محیطی و بومشناختی شناسایی و نقشههای آنها تهیه شد. در مرحله بعد با تجزیه و تحلیل و جمعبندی دادهها و تلفیق نقشهها در محیط GIS و بر مبنای مدل مخدوم توان تفرجی منطقه در طبقات مختلف تعیین گردید. سپس اقدام به مدلسازی بین توان تفرجی و عوامل محیطی و تفرجگاهی با روشهای داده کاوی الگوریتم ناپارامتریک شبکه عصبی مصنوعی، جنگل تصادفی و ماشینبردار پشتیبان در نرمافزار STATISTICA شد. بدین ترتیب که ارزش متناظر مربوط به هر شاخص از لایه‌های تهیه شده استخراج و در مدل‌سازی به عنوان متغیرهای مستقل وارد شد. عوامل شیب، جهت، ارتفاع، خاک، پوشش گیاهی، منابع آبی، مسیرهای دسترسی، سنگشناسی، فاصله تا گسل، دکل برق فشار قوی و فاصله از شهر به عنوان متغیرهای مستقل (ورودی) و توان بوم‌گردی هم به عنوان متغیر هدف (وابسته) استفاده شد و با سه روش مذکور مدلسازی صورت گرفت. تهیه، اصلاح و طبقهبندی نقشهها، تلفیق و روی‌همگذاری نقشهها در فرآیند تعیین پتانسیل طبیعتگردی منطقه در محیط نرمافزارArc GIS 10.8.2  و تجزیه و تحلیل آماری دادهها در محیط Excel  انجام شد. نتایج: براساس نقشه تفرج نهایی، مرتع چناربن با مساحت 1514/292 هکتار دارای توان تفرج گسترده طبقه دو است. در دشتلاشک 51/46 درصد دارای توان تفرج گسترده طبقه دو و 49/53 درصد نامناسب برای تفرج است، همچنین در  مرتع اسلامآباد 2/75 درصد آن دارای توان تفرج گسترده طبقه دو و 98/24 درصد نامناسب برای تفرج است. طبق نقشه تفرج نهایی در مرتع کهنه لاشک 19/96 درصد دارای توان تفرج گسترده طبقه دو و 81/3 درصد نامناسب برای تفرج است. مرتع کجور با 24/87 درصد دارای توان تفرج گسترده طبقه دو و 76/12 درصد از مرتع نامناسب برای تفرج است. مرتع لرگان نیز با  54/12 درصد دارای توان تفرج گسترده طبقه دو و 46/87 درصد نامناسب برای تفرج است و در نهایت مرتع پیده با 31/57 درصد دارای توان تفرج گسترده طبقه دو و 69/42 درصد برای تفرج نامناسب است. 83/65 درصد منطقه دارای قابلیت تفرجی است و 17/34 درصد از منطقه برای تفرج نامناسب است. بر اساس مقدار ضریب تبیین، مناسبترین مدل از بین سه الگوریتم مختلف مورد بررسی، مدل شبکه عصبی مصنوعی با الگوریتم  BFGS با شبکه MLP 8-10-1 با تعداد 8 لایه ورودی، 10 لایه پنهان و یک لایه خروجی در مدلسازی و (94/0R2=، 99/9 RMSE%=و 02/0BIAS%=) انتخاب شد. نتیجه‌گیری: با توجه به مقادیر ضریب تبیین حاصل از مدل‌سازی ناپارامتریک در مطالعه حاضر مشخص شد که مدلسازی با الگوریتمهای ناپارامتریک میتواند روشی با دقت بالا، برای ارزیابی توان بومگردی برای هر منطقه مورد استفاده قرار گیرد. در این راستا پیشنهاد می‌شود با استفاده از تکنیک داده‌کاوی اقدام به طراحی خدمات رفاهی برای بوم‌گردان در جهت تأمین نیاز های اولیه بومگردان و حفظ طبیعت شود.   Background and objectives: Ecotourism is a powerful approach to economic development and nature conservation. It induces positive behavioral changes in both local residents and tourists, fostering the preservation of natural and cultural resources. This study aims to model and rank areas with ecotourism potential in the rangelands of Mazandaran province. Methodology: Utilizing Makhdoom's system method, the study evaluates the ecotourism potential of Western Rangelands in Mazandaran province. Environmental and ecological factors were identified and mapped. These maps were then analyzed, summarized, and integrated using GIS, based on the Makhdoom model, to classify the area's recreational potential. Modeling involved correlating recreational potential with environmental and recreational factors using data mining techniques: artificial neural networks (ANN), random forests, and support vector machines (SVM), facilitated by STATISTICA software. Independent variables included slope, direction, elevation, soil, vegetation, water resources, access routes, lithology, distance to faults, power lines, and proximity to urban areas. The dependent variable was ecotourism potential. Map preparation, modification, and classification were performed in ArcGIS 10.8.2, with statistical data analysis in Excel. Results: According to the final recreation plan, Chenarbon rangeland with an area of 292/1514 hectares has the possibility of extensive recreation of the second floor. In Dasht-Lashak, 46.51% has the possibility of extensive recreation on the second floor and 53.49% is unsuitable for recreation, also in the rangeland of Islamabad, 75.2% has the potential for extensive recreation on the second floor and 24.98% is unsuitable for recreation.   According to the final recreation map, 96.19% of the second floor has extensive recreation capacity in the Kohneh-Lashak rangeland and 3.81% is unsuitable for recreation. Kojour rangeland with 87.24% has the possibility of extensive recreation of the second floor and 12.76% of the rangeland is unsuitable for recreation. Largan rangeland with 12.54% has the capacity of extensive recreation of the second floor and 87.46% is unsuitable for recreation, and finally, Piedeh rangeland with 57.31% has the capacity for extensive recreation of the second floor and 42.69% is unsuitable for recreation. 65.83% of the area is suitable for recreation and 34.17% of the area is unsuitable for recreation. Based on the value of the explanation coefficient, the most appropriate model among the three different algorithms investigated is the ANN model with the BFGS algorithm with the 8-10-1 MLP network with the number of 8 input layers, 10 hidden layers, and one output layer in modeling and (R2=0.94, RMSE=9.99% and BIAS=0.02%) were selected. Conclusion: The study confirms that non-parametric algorithms provide highly accurate evaluations of ecotourism potential. It is recommended to use data mining techniques to design ecotourist services, meeting their basic needs while preserving nature.   ارزیابی توان, توان تفرجی, داده‌کاوی, شبکه عصبی مصنوعی. Ecotourism potential, Recreational capacity, Data analysis, Artificial neural networks. 224 240 http://rangelandsrm.ir/browse.php?a_code=A-10-2418-1&slc_lang=fa&sid=1 Somaye Amiri Largani سمیه امیری لرگانی Somayeh.amiri6611@gmail.com 100319475328460017462 100319475328460017462 No Department of Range Management, Faculty of Range and Watershed Management, Sari University of Agricultural Sciences and Natural Resources, Sari گروه مرتعداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری zienab jafarian زینب جعفریان jafarian79@yahoo.com 100319475328460017463 100319475328460017463 Yes Department of Range Management, Faculty of Range and Watershed Management, Sari University of Agricultural Sciences and Natural Resources, Sari گروه مرتعداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری Shafagh Rastgar شفق رستگار rastgarshafagh@gmail.com 100319475328460017464 100319475328460017464 No Department of Range Management, Faculty of Range and Watershed Management, Sari University of Agricultural Sciences and Natural Resources, Sari گروه مرتعداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری