زهره شیخلر

صنعت گردشگری بر پایه ژئو توریسم و مقاصد ژئومورفولوژیک در سال های اخیر تبدیل به یکی از کانون های توریسمی و مسافرتی شده است. بنابراین با توجه به توسعه صنعت گردشگری، ارزیابی کانون های ژئوتوریسمی به لحاظ کارایی و رقابت پذیری امری ضروری است. هدف از پژوهش حاضر توان سنجی پتانسیل های مقاصد ژئومورفولوژیکی و ژئوتوریسم شهر خلخال بخش شاهرود است. در این پژوهش از دو مدل کوبالیکوا و پاوولوا و هم چنین برای تبدیل نتایج به نقشه از نرم افزار GIS استفاده شده است. نتایج به دست آمده در مدل کوبالیکوا نشان دهنده این است که دهستان شال با کسب 11 امتیاز به دلیل تنوع بالای پدیده های ژئومورفیک و زمین شناسی دارای پتانسیل بالا در بخش ژئوتوریسمی و مقاصد ژئومورفیک دارد و هم چنین دهستان های شاهرود و پلنگا نیز به ترتیب با کسب 8 و 7 امتیاز در رده های پایین تر قرار دارند. نتایج مبتنی بر ماتریس مثبت و منفی در مدل پاوولوا نیز نشان می دهد که دهستان شال با کسب امتیاز 71/1 به خاطر داشتن سایت های چینه ای، غارها و سایت های هیدرولوژیکی متنوع بیش ترین رقابت پذیری را دارد و در رتبه عالی به لحاظ رقابت پذیری قرارگرفته است. دهستان های شاهرود و پلنگا نیز به ترتیب با امتیاز 61/1 و 53/1 به علت تنوع پایین پدیده ها و امکانات خدماتی در رتبه های خیلی خوب قرار دارند اما هر سه از دهستان های بخش شاهرود در معیار کسری بودجه دارای مقادیر پایینی هستند که نشان از عدم برنامه ریزی راهبردی در بخش گردشگری در این منطقه است. هم چنین تحلیل نقشه های توان سنجی نیز نشان دهنده این است که مدل پاوولوا به خاطر پارامترهای زیاد در ارزیابی نسبت به مدل کوبالیکوا دارای دقت و اعتبار بالایی است.

زمین لغزش یکی از پدیده هایی است که رخداد آن سبب ایجاد خسارات زیادی به ویژه در مناطق کوهستانی می شود. بنابراین ارزیابی و شناخت عوامل مؤثر بر وقوع رخداد زمین لغزش در مناطق کوهستانی امری ضروری است. هدف از این پژوهش شناسایی عوامل مؤثر بر زمین لغزش در جاده آستارا تا تونل نمین با استفاده از مدل MLP می باشد. مدل MLP یکی از مدل های کارآمد شبکه عصبی است که توانایی حل مسائل پیچیده را دارد. برای شناسایی عوامل مهم در رخداد زمین لغزش با توجه به مطالعات میدانی 8 عامل شناسایی شده است که شامل: زمین شناسی، پوشش گیاهی، فاصله از جاده، کاربری راضی،  شیب، جهت شیب، ارتفاع، نقاط واقعی زمین لغزش استفاده شده است. بعد از پیش پردازش ها تمام لایه ها وارد نرم افزارSPSS MODELER شده و مدل سازی با 8 نورون ورودی 6 نورون میانه و 1 خروجی طراحی شده است. نتایج این پژوهش نشان داده که خروجی وزنی مدل MLP بیشترین ارزش وزنی را برای لایه زمین شناسی با مقدار 26/0 برای لایه کاربری اراضی و فاصله از جاده به ترتیب مقدار 14/0 و 13/0 اختصاص داده است. هم چنین در بخش اعتبار سنجی مدل مقدار AUC عدد 948/0 در بخش آموزش و 962/0 در بخش تست شبکه را نمایش می دهد که گویای این است که مدل هم در بخش آموزش و هم در بخش تست دارای اعتبار بالایی می باشد بنابر این نتیجه گیری می شود که عامل زمین شناسی نسبت به سایر عوامل در رخداد زمین لغزش در منطقه تأثیر زیادی دارد و درنهایت پیشنهاد می گردد در مطالعات آتی برای مطالعه و ارزیابی زمین لغزش و حرکات دامنه ای از مدل های یادگیری ماشینی و هوش مصنوعی استفاده شود