سید مهدی پورباقر کردی

هدف پژوهش حاضر، مطالعه نقش تأمین امنیت گردشگری و شناسایی نقاط ناامن گردشگری در افزایش جذب گردشگر به استان همدان در سال 1395 بوده است. در اجرای تحقیق از آمار توصیفی و تکنیک های زمین آمار  استفاده گردید. جامعه مورد بررسی کارشناسان بنگاه های گردشگری استان همدان به تعداد 80 نفر بود. برای تشخیص وجود یا عدم وجود ساختار فضایی میان نقاط نا امن گردشگری با یکدیگر، اقدام به ترسیم نمودار سهمی واریوگرام یا نیم تغییرنما با استفاده از ابزار زمین آمار در نرم افزار ARCMAP شد.  نتایج بیانگر آن است که توزیع نقاط نا امن، به طور اتفاقی و بدون الگو نبوده، بلکه از مدل آماری کروی پیروی می کنند. هم چنین بین تامین امنیت گردشگری و تامین امنیت کانون های نا امن با افزایش جذب گردشگران، رابطه معنادار مشاهده شد. به طوریکه آزمون ضریب همبستگی اسپیرمن کم تر از 5 درصد را نشان داده است.

شناسایی لندفرم های غالب مناظر طبیعی در انواع برنامه ریزی های شهری، آمایش، گردشگری و ... کاربرد و اهمیت فراوان دارد. در این پژوهش، لندفرم های حوضة یزد اردکان، به دو روش بصری و خودکار، شناسایی و سپس مقایسه شدند. در روش شناسایی خودکار لندفرم ها، از قطعه بندی تصویر با دو الگوریتم قدرت تفکیک چندگانه و تباین پیکسلی، در قالب مفاهیم شیء پایه، استفاده شد. نتایج نشان داد قطعه بندی به روش قدرت تفکیک چندگانه، به دلیل لحاظ کردن معیار شکل در تشخیص ساختار و مرز طبیعی لندفرم ها مانند مخروط افکنه، مناسب به نظر می رسد ولی قطعه بندی به روش تباین پیکسلی، در شناسایی میکرولندفرم مانند کانال های گیسویی در سطح مخروط افکنه، مناسب است. نتایج حاصل از مقایسه شناسایی بصری و خودکار لندفرم ها نشان داد، در روش بصری، فقط امکان شناسایی لندفرم های بزرگ همچون توده های کوهستانی، انواع دشت سرها، کفة اردکان و به سختی تلماسه ها وجود داشت. ولی در روش خودکار مبتنی بر شیء، نه تنها لندفرم های مذکور بلکه لندفرم های کوچک تر مثل تپه های عرضی، مخروط افکنه ها، هزاردره ها، کوه های منفرد نیز شناسایی شدند. برای ارزیابی دقت مدل های شناسایی خودکار لندفرم ها، از دو روش کیفی و کمّی استفاده شد؛ در ارزیابی کیفی، از تکنیک هم پوشانی به منظور بررسیِ چشمی میزان تطابق و رویِ هم قرارگیری نقشه حاصل از مدل با تصاویر گوگل ارث و در ارزیابی کمّی، از ماتریس درهمی استفاده شد. نتایج ارزیابی ها نشان دادند که الگوریتم قدرت تفکیک چندگانه در شناسایی و قطعه بندی لندفرم ها دارای صحت کلی و ضریب کاپای است. همچنین، خطاهای کُمیسیون و اُمیسیون نشان دادند که کمترین خطاهای شناسایی مربوط به لندفرم هایی با بافت نرم، مانند دشت، است ولی بیشترین خطاهای شناسایی به لندفرم هایی با بافت خشن، مثل کوهستان، بازمی گردد.

قطعه بندی مؤثرترین روش برای شناسایی شکل های ژئومورفولوژیکی است که علاوه بر طبقه بندی، خاصیت اکتشافی لندفرم ها را نیز در متن تصویر داراست. در این پژوهش، پس از معرفی انواع روش های قطعه بندی، مخروط افکنة روی تصاویر ماهوارة ژئو- آی و استر استخراج شده است. آن گاه بهترین روش های قطعه بندی در شناسایی مخروط افکنه های حوضة یزد با روش تفسیر بصری معرفی شده است. به منظور تفسیر بصری از تصویر استرِ قطعه بندی شده و انتخاب بهترین روش های قطعه بندی قابل استفاده در ژئومورفولوژی، از نقشة ژئومورفولوژی ژئورفرنس شده و نیز تصویر ژئو- آی بهره گرفته شد. براساس نتایج، از میان انواع الگوریتم های قطعه بندی، دو الگوریتم برای شناسایی و جداسازی مخروط افکنه ها مناسب است: الف) الگوریتم چندمقیاسه در شناسایی مرز هندسی مخروط افکنه ها در تصویر استر؛ ب) قطعه بندی به روش اختلاف کنتراست بر روی تصویر ژئو-آی در شناسایی جزئیات موجود بر سطح مخروط افکنه مانند سایة حاصل از فرسایش خندقی، راه های احداث شده و خشک رودها موفق بوده است. سرانجام به منظور بررسی آزمون پذیری روش های برگزیده، از مخروط افکنه های مشابه در دیگر مناطق مرکزی استان یزد استفاده شد که نتایج مشابه آن قابلیت سازگاری روش های مذکور را در دیگر نقاط نیز به اثبات می رساند.