استفاده از فن آوری GIS در تعیین مناطق مستعد توسعه آبزی پروری مطالعه موردی سواحل استان هرمزگان
محل انتشار: اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 650
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCEGIT01_043
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
به منظور بررسی توان بالقوه سواحل استان هرمزگان برای توسعه آتی آبزیپروری،کارشناسان همواره نیازمند مدل هایی هستند تا به ساده- سازی اجزا پیچیده محیط بپردازند. محیط پیرامون ما مملو از مسائل چندمعیاره است و انسانها مجبور به تصمیم گیری در این زمینه ها هستند. نیاز به توسعه یک خط مشی و برنامهریزی در مورد جوانب مختلف، یکی از دلایل اصلی برای افزایش علاقه به تجزیه و تحلیل چندمعیاره در مطالعات توسعه است. در این بین ایجاد و به کارگیری سامانه های اطلاعات جغرافیای GIS منجر به بروز تغییرات و جهش های عظیمی در این زمینه شده است. از اینرو در مطالعه حاضر سعی بر آنست تا با بکارگیری این تکنولوژی؛ توان بالقوه توسعه آبزیپروری به منظور مکانیابی مناطق مستعد توسعه آبزیپروری مورد بررسی قرار گیرد. بدین منظور ابتدا معیارهای موثر در مکانیابی مزارع پرورش آبزیان شناسایی و در کلاسهای مناسب طبقه بندی شدند. در مرحله بعد با استفاده از روشهای توسعه یافته AHP فازی، به هرکدام از معیارهای مورد ارزیابی بر اساس اهمیتی که برای بخش آیزیپروری دارند، وزن تعلق گرفته است. لایههای وزندار با استفاده از مدل منطق فازی در محیط GIS باهم تلفیق شده و بدین طریق تناسب اراضی منطقه برای توسعه آبزیپروری بدست آمده است. نتایج نشان داد که عمده ناطق مناسب با هدف تحقیق در قسمتهای شرقی استان میباشد. از مجموع مناطق مورد بررسی در این تحقیق حدود 27/10 درصد مناطق دارای تناسب بسیار خوب،5/38 درصد تناسب خوب،7/34درصد تناسب نسبتا خوب و 43/16 درصد دارای تناسب ضعیف برآورد شدند.
نویسندگان
سید محمد عارف دانش لاری
دانشجوی کارشناسی ارشد دانشگاه آزاد واحد لارستان
غلامرضا فلاحی
استادیار آموزشکده نقشه برداری سازمان نقشه برداری کشور
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :