انتخاب سایت آبزی پروری Oncorhynchus Mykiss (قزل آلای رنگین کمان) در استان مرکزی با استفاده از MCDM مبتنی بر GIS

تولید غذاهای دریایی، به ویژه در مناطق دور از خطوط ساحلی، آبزی پروری را به یک جایگزین کشاورزی اختیاری تبدیل می کند. تحقیق موردی از استان مرکزی نیمه خشک ایران، به عنوان یک مکان مناسب برای پرورش ماهی Oncorhynchus mykiss (قزل آلای رنگین کمان) مورد بررسی قرار گرفته است. نرم افزار ArcGIS نسخه ۱۰٫۶٫۱ و Super Decision نسخه ۳٫۲ برای منطقه بندی و ارزیابی نقشه های معیارها استفاده می شود. تمامی معیارها یعنی زیرمعیارها و محدودیت ها از طریق ادبیات دانشگاهی، مصاحبه های کیفی از طریق نظر کارشناسان، داده های ملی و دستورالعمل ها جمع آوری شد. با اعمال محدودیت بر روی نقشه پتانسیل برتر آبزیان، نقشه نهایی پتانسیل آبزی پروری استان مرکزی به دست آمد. نتایج نشان داد که ۷۹/۴۰ درصد استان مرکزی از پتانسیل بالایی برای توسعه آبزی پروری برخوردار است. با توجه به تجزیه و تحلیل حساسیت، تغییرات در مقدار معیار (یعنی افزایش یا کاهش) در وزن با نرخ تغییر مطابقت دارد. توسعه آبزی پروری مستلزم سرمایه گذاری کلان است و استان مرکزی را به تولیدکننده عمده غذاهای دریایی در منطقه تبدیل می کند.

کلید واژه ها:

آبزی پروری دریایی ; چند معیاره ؛ فرآیند شبکه تحلیلی ; نقشه برداری مناسب ; منطقه نیمه خشک ؛ ایران

۱٫ مقدمه

با در نظر گرفتن کاهش قابل توجه در حوضه های آبریز ماهیگیری دریایی، اعتقاد بر این است که آبزی پروری جایگزین مناسبی برای عرضه جهانی پروتئین ماهی و غذاهای دریایی است [ ۱ ، ۲ ، ۳ ]. آبزی پروری یکی از سریع ترین فعالیت های در حال رشد در سراسر جهان است. توسعه قوی و سریع این بخش منعکس کننده اثرات و چالش های زیست محیطی قابل توجهی است [ ۴ ]. علیرغم پتانسیل بسیار زیاد آبزی پروری برای غذا و معیشت، “ابتکارات جدید آبزی پروری اغلب به جای کارآفرینی های محلی تحت تسلط پروژه های کمک کننده هستند” [ ۵ ]]، که می تواند به شدت تحت تأثیر حاکمیت آبزی پروری و مشوق های مرتبط با تولید قرار گیرد. با این وجود، آبزی پروری یکی از سریع‌ترین سیستم‌های تولید پروتئین است که تقریباً ۴۷ درصد از نیاز پروتئین جهان را تأمین می‌کند [ ۶ ]. فعالیت های آبزی پروری در سال های اخیر با افزایش مستمر اهداف تولید به طور قابل توجهی بهبود یافته است. دستاوردهای اجتماعی-اقتصادی حاصل از توسعه آبزی پروری غذای مغذی، بهبود زندگی فقرا، تنوع بخشیدن به تولید ماهی، ایجاد سرمایه و فرصت های شغلی و امکان درآمدهای صادراتی با ارزش را فراهم می کند [ ۷ ]]. یک چالش کلیدی برای توسعه آبزی پروری، اشتراک آب، زمین و جایگزین های دیگر مانند کشاورزی و گردشگری است. برنامه ریزی فضایی برای آبزی پروری – از جمله پهنه بندی، ارزیابی زمین، و طراحی مناطق مدیریت آبزی پروری – باید تعادل بین اهداف زیست محیطی، اجتماعی، اقتصادی و حکومتی جوامع محلی را در راستای تئوری توسعه پایدار در نظر بگیرد [ ۸ ، ۹ ]. و رویکرد سیستم اکوسیستمی [ ۱۰ ].
انتخاب سایت عامل حیاتی اولیه در آغاز “فرآیند، گسترش یا جابجایی مشاغل از همه نوع” است [ ۱۱ ]. ارزیابی زمین یک عمل چند وجهی است. از نظر علمی، معمولاً با استفاده از تئوری سودمندی حل می شود، به عنوان مثال، روش وزنی خطی ساده، روش فرآیند شبکه تحلیلی (ANP) و تکنیک برای اولویت سفارش با شباهت به یک راه حل ایده آل [ ۱۲ ]. از این رو، چندین راه حل و معیار ارزش گذاری باید از قبل در نظر گرفته شود [ ۱۳ ]. اول، محل آبزی پروری بسیار مشخص است و باید آب و هوا، استقرار و امکانات مورد نیاز را در نظر بگیرد [ ۱۴ ]. ارزیابی موثر زمین می تواند کارایی آبزی پروری را بهبود بخشد و اثرات زیست محیطی را کاهش دهد. ۱۵]. نرم‌افزارهای مبتنی بر جغرافیا مانند سیستم‌های اطلاعات جغرافیایی (GIS) [ ۱۶ ] اغلب برای برنامه‌ریزی فضایی (مثلاً آبزی‌پروری) استفاده می‌شوند، که در آن مجموعه‌های مختلفی از معیارهای ارزیابی امکان‌پذیر و محلی‌محور طراحی و به‌طور بهینه شناسایی می‌شوند – با مکان‌های جایگزین در نظر گرفته می‌شوند. ۱۷ ، ۱۸ ، ۱۹ ]. توانایی ایجاد اطلاعات سرزمینی، استفاده از تحلیل‌های مبتنی بر مکانی را در ترکیب با تکنیک‌های تصمیم‌گیری چند معیاره (MCDM) تقویت می‌کند [ ۲۰ ، ۲۱ ، ۲۲ ، ۲۳]. به طور سنتی، ارزیابی زمین بر معیارهای فنی و اقتصادی متمرکز بود. با این حال، در حال حاضر، روش های پیچیده تر مورد نیاز است. معیارهای انتخاب باید چندین الزام زیست محیطی و اجتماعی را در نظر بگیرند که باید توسط نهادهای قانونگذاری و مقررات دولتی اداره شوند [ ۲۴ ]. پیاده سازی مدل های GIS می تواند به حل تعدادی از این مشکلات کمک کند [ ۲۵ ، ۲۶ ]. انتخاب مکان مناسب می تواند هزینه های توزیع را کاهش دهد، اثرات زیست محیطی را به حداقل برساند و فعالیت های حمل و نقل را کاهش دهد [ ۲۷ ]. رویکردهای مختلف MCDM در انتخاب مکان چنین امکاناتی استفاده شده است [ ۲۸ , ۲۹]. ANP، یک رویکرد رتبه بندی MCDM، برای ارزیابی مکان ها با استفاده از معیارهای تصمیم گیری کلیدی برای کاهش چنین هزینه ها و اثرات منفی مرتبط استفاده می شود. توسعه مدلی که می تواند مکان های بهینه برای تاسیسات آبزی پروری را شناسایی کند، بر اساس یک رویکرد معیارهای مبتنی بر GIS ترکیبی طراحی شده است که از یافته های تجربی از هر معیار استفاده می کند، به عنوان مثال، با محدود کردن عدم قطعیت و ساده کردن رویکرد سیستم پشتیبانی تصمیم، برای به دست آوردن مناسب بودن یک مکان [ ۳۰ ]. مدل های به دست آمده را می توان برای به دست آوردن بینش اکولوژیکی یا پیش بینی توزیع، با کاربردهایی در مدیریت فضایی، امنیت زیستی، تغییرات آب و هوا و بوم شناسی نظری استفاده کرد [ ۳۱ ].
GIS، یک سیستم مدیریت پایگاه داده دیجیتال، برای مدیریت حجم زیادی از داده های فضایی توزیع شده از منابع متعدد طراحی شده است [ ۳۲ ]. این سیستم‌ها برای ارزیابی زمین ایده‌آل هستند زیرا به طور کارآمد فهرست‌بندی، بازیابی، تجزیه و تحلیل و نمایش داده‌های خاص برنامه را ارائه می‌کنند [ ۳۳ ]. عمل مدل‌سازی GIS برای انتخاب مکان‌های آبزی پروری دریایی معمولاً با معیارهای اجتماعی-اقتصادی، لجستیکی و محیطی متفاوت استفاده می‌شود [ ۳۴ ، ۳۵ ، ۳۶ ، ۳۷ ، ۳۸ .]. نقشه‌های مدل‌سازی‌شده – که با کلاس‌های توصیفگر (یعنی متغیرهای مورد علاقه)، لایه‌های عاملی (یعنی توصیفگرهای تبدیل‌شده)، و لایه‌های محدودیت برچسب‌گذاری شده‌اند – وزن شده و از طریق یک تحلیل چند معیاره قرار می‌گیرند [ ۳۹ ]. انتخاب سایت GIS در سراسر ادبیات برای انواع کاربردهای آبزی پروری، از جمله کشت صدف سخت در فلوریدا [ ۴۰ ]، توسعه پرورش میگو در شمال غربی مکزیک [ ۲۹ ]، تناسب زمین آبزی پروری ماهی قزل آلای رنگین کمان در پرو [ ۴۱ ]، لب شور استفاده شده است. انتخاب مکان برای آبزی پروری آبی در هند [ ۴۲ ]، پرورش میگو در زمین در امتداد سواحل استرالیا [ ۴۳ ]، پرورش میگو در ویتنام [ ۴۴ ]]، قفس ماهی های دریایی در صنعت گردشگری در تنریف [ ۴۵ ]، انتخاب مکان یکبار مصرف مبتنی بر فرهنگ صدف در ونزوئلا [ ۳۴ ]، ماهی های دریایی پرورش قفس در تنریف [ ۴۶ ]، و انتخاب مکان گوش ماهی ژاپنی در ژاپن [ ۳۶ ] ، ۴۷ ]، و همچنین ارزیابی مناطق مناسب پرورش ماهی کپور، پرورش میگو و خرچنگ، توسعه آبزی پروری شهری، مناطق پرورش ماهی تیلاپیا، و مدل سازی تناسب زمین برای میگوی غول پیکر در بنگلادش [ ۴۸ ، ۴۹ ، ۵۰ ].
اخیراً، GIS ادغام شده با MCDM تقریباً بهترین روش برای انتخاب سایت آبزی پروری و ارزیابی زمین است [ ۱۴ ، ۵۰ ، ۵۱ ، ۵۲ ، ۵۳ ]. در مماس، این روش ها فرآیندهای تصمیم گیری و برنامه ریزی را بهبود می بخشند [ ۵۴ ]. تعدادی از مطالعات، ویژه ارزیابی زمین و انتخاب مکان، از رویکردهای MCDM در محیط GIS پشتیبانی می کنند [ ۵۴ ، ۵۵ ، ۵۶ ، ۵۷ ، ۵۸ ، ۵۹]. این مطالعه یک MCDM مبتنی بر GIS را ارائه می‌کند که از ANP برای شناسایی مناسب‌ترین مکان‌ها برای توسعه آبزی پروری در استان مرکزی که از نظر جغرافیایی در فلات مرکزی ایران یافت می‌شود، استفاده می‌کند. دو نکته خاص مطالعه برای این مطالعه مهم است، یعنی: (۱) کیفیت آب از نظر ارزیابی اراضی آبزی پروری در ایران عامل مهمی نیست زیرا قبل از اجرای هر سایتی توسط دولت کنترل و تنظیم می شود. ) افزایش پارامترهای ارزیابی زمین می تواند دقت انتخاب مکان را بهبود بخشد، به عنوان مثال، با افزایش لایه ها و داده ها. به این ترتیب، هنگام انجام ارزیابی قابلیت زمین که نیازمند سرمایه گذاری کلان دولتی برای ایجاد یا گسترش امکانات فعلی است، مانند استان مرکزی، پتانسیل توسعه تاسیسات آبزی پروری در ایران یک فرآیند از بالا به پایین است. مهم ترین و سازگارترین گونه ماهی پرورشی خوراکی در استان، ماهی قزل آلای رنگین کمان (Oncorhynchus mykiss) است که جزء ماهیان سردآبی طبقه بندی شده و در چند استخر پرورشی در سراسر فلات مرکزی ایران با موفقیت به صورت پایلوت پرورش یافته است. ساختار تجزیه مقاله به شرح زیر است:بخش ۲ شامل روش شناسی است، بخش ۳ نتایج را نشان می دهد و بخش ۴ یک بحث و نتیجه گیری را با پیشنهاداتی برای تحقیقات آتی توضیح می دهد.

۲٫ مواد و روشها

۲٫۱٫ منطقه مطالعه

استان مرکزی در مرکز ایران (یعنی شرق زاگرس) و جنوب پایتخت (یعنی تهران؛ شکل ۱ ) قرار دارد. بررسی آمارهای بلندمدت اقلیمی استان مرکزی حاکی از آن است که به طور کلی آب و هوای خشک و سرد است و میانگین بلندمدت بارندگی کمی بیشتر از میانگین کشوری ۲۸۱٫۵ میلی متر است [ ۶۰ ]. وجود شبکه آب های سطحی در ارتباط با موقعیت متمرکز و مجاورت با شهرهای پرجمعیت، استان را برای رشد و توسعه آبزی پروری نسبتاً مناسب کرده است. نمونه هایی از استخرهای پرورش در ایران به دو دسته مکانیزه و سنتی تقسیم می شوند. در مورد استان مرکزی، استخرهای ماهی سنتی در مقیاس کوچک با استفاده از ساخت و ساز آب آزمایش شده است. شکل ۲).) و استفاده از موانع (یعنی سدهای کوچک) در کنار رودخانه ها.

۲٫۲٫ مواد و روش ها

این مطالعه از یک MCDM مبتنی بر GIS برای شناسایی مناسب بودن سایت‌ها برای توسعه آبزی پروری از طریق ANP استفاده می‌کند. این تحقیق شامل مجموعه داده‌های فضایی جهت‌یافته و اولویت‌های تصمیم‌گیری و همچنین ترکیب آنهاست. این مطالعه انعطاف‌پذیری GIS را برای ارزیابی اطلاعات جغرافیایی و تعیین اینکه آیا MCDM می‌تواند اطلاعات را به درستی یکپارچه کند، ترکیب می‌کند. پیش‌فرض این تحقیق شناسایی مکان‌های مناسب و خروجی مدل بر اساس تکنیک‌های ترکیبی گزینه‌های مناسب برای ارزیابی یکپارچه در ارتباط با تصمیم‌گیری صحیح در هنگام انتخاب منطقه برای توسعه آبزی پروری است. چارچوب بندی MCDM مبتنی بر GIS از شش مرحله استفاده می کند، یعنی (۱) شناسایی معیارهای تصمیم گیری برای مکان انتخاب شده بر اساس دستورالعمل های مخدوم [ ۶۲ ].]، (۲) تعیین معیارهای وزن با استفاده از پاسخ های مبتنی بر ANP از کارشناسان، (۳) ساخت لایه های نقشه برای معیارهای تصمیم گیری با استفاده از ابزارهای تحلیلی GIS (یعنی تعیین مقادیر برای هر شبکه در منطقه مورد مطالعه)، (۴) انجام زمین تجزیه و تحلیل تناسب منطقه مورد مطالعه برای تولید نقشه تناسب مکان و شناسایی مکان های کاندید، (۵) حذف مناطق دارای محدودیت از نقشه تولید و طبقه بندی نقشه خروجی نهایی، و (۶) تجزیه و تحلیل حساسیت (یعنی با استفاده از Super Decision). نرم افزار نسخه ۳٫۲). یک تست استحکام نیز با استفاده از روش تست تزریق خطا استفاده شد. این برای بررسی استحکام با تزریق عیوب (به عنوان مثال، خطاها) در نرم افزار و مشاهده انعطاف پذیری سیستم انجام شد [ ۶۳ ]]. ما خطاهای مختلف تصادفی سازی متضاد را بررسی کردیم و از طریق شبیه سازی آموزشی برای خروجی های نقشه، به منحنی همگرایی (یعنی آستانه) رسیدیم که در آن پارامترها به جای اعداد متعدد، یک عدد برای هر پارامتر ارائه کردند. این چارچوب شامل مدل‌سازی ارزیابی مبتنی بر فضایی، انحرافات و نگرانی‌های اجتماعی و زیرساخت‌های محلی است ( شکل ۳ ). از نرم افزار ArcGIS نسخه ۱۰٫۶٫۱ برای ایجاد نگاشت معیارها از طریق تکنیک شبکه محور استفاده شد و وزن ها با استفاده از رابطه (۱) برای هر یک از عوامل اعمال شد.

جایی که = مجموع حد بالایی، = شاخص جمع، و = وزن

پتانسیل اکولوژیکی برای توسعه آبزی پروری در استان مرکزی با استفاده از مجموعه داده های منابع مختلف گردآوری شد. جدول ۱ فهرست خام منابع و مراجع لایه داده را نشان می دهد.
پس از آماده سازی لایه های اولیه یعنی در جدول ۱، پردازش مورد نیاز انجام شد. در ابتدا، لایه ها بر اساس مرزهای سیاسی خود در اطراف لایه استان تقسیم می شوند. این را دنبال کنید، سیستم مختصات لایه ها با سیستم ژئودتیک جهانی (یعنی WGS_1984_UTM_Zone_39N) در ارتباط است. سپس با استفاده از ANP وزن هر لایه و طبقات آنها با استفاده از محیط نرم افزار Super Decision Version 3.2 به دست آمد. در این ساختار، سه مجموعه داده مرتبط با خاک (به عنوان مثال، بافت خاک، ساختار خاک، و فرسایش) به یک قالب شطرنجی با اندازه بلوک ۳۰ متری با اختصاص وزن به‌دست‌آمده از طریق ANP به کلاس‌های خود با استفاده از ابزار ویژگی شطرنجی تبدیل شدند. سپس لایه شیب از DEM استان تهیه و طبقه بندی (از طریق ابزار reclassify) و وزن کلاس بر روی آن اعمال شد. معیارهای تهیه شده با اعمال وزن هر یک با استفاده از ابزار محاسبه گر شطرنجی در نرم افزار GIS همپوشانی شدند. با استفاده از ابزار طبقه بندی مجدد، به پنج دسته طبقه بندی شد، یعنی از مناسب بودن بسیار پایین تا بسیار بالا رتبه بندی شد. سپس لایه محدودیت تهیه و در نقشه نهایی اعمال شد. برای این منظور مساحت طبقات با استفاده از ابزار محاسبه هندسه فرموله شد. سپس لایه‌ها با توجه به مجموعه داده‌های به‌روز استان مرکزی یکپارچه می‌شوند و وزن‌های مربوطه تخصیص می‌یابد. با استفاده از GIS، مساحت کلاس لایه به تنهایی در نظر گرفته می شود. لایه های داده برای نشان دادن منطقه دوستدار آبزی پروری روی هم قرار گرفته اند. سپس، با استفاده از رویکرد شطرنجی، لایه‌های منبعی که تمام داده‌های اولیه را به لایه‌های شطرنجی با وضوح ۳۰ متر اختصاص می‌دهند، وزن تعیین می‌کنند.

۲٫۳٫ تعیین معیارها

انتخاب مکان و منطقه بندی مناسب برای توسعه مناطق آبزی پروری با استفاده از فرآیند MCDM از طریق مجموعه معیارهای در نظر گرفته شده استفاده می شود. تمامی معیارها با ارزیابی وضعیت هنر (یعنی ادبیات دانشگاهی)، مصاحبه های کیفی از طریق نظر کارشناسان، شرایط محلی استان مرکزی و استانداردها و قوانین ملی ایران [ ۶۲ ] گردآوری شد. از روش گلوله برفی برای یافتن کارشناسان برای مطالعه استفاده شد [ ۶۴ ]. در روش انجام مصاحبه های کیفی، ۷۵ نفر از کارشناسان دانشگاه اراک یعنی ۱۵ نفر کارشناس، دانشگاه آزاد اسلامی واحد اراک ۱۰ نفر کارشناس و موسسات شیلات استان یعنی ۵۰ نفر از کارشناسان در مطالعه مهرماه ۱۳۹۹ شرکت کردند.

۲٫۴٫ فرآیند تحلیلی

ANP برای تعیین وزن معیارها از طریق نظر کارشناسان و همچنین اهمیت آنها از نظر معیارهای تصمیم گیری استفاده می شود. ANP یک روش MCDM است که فرآیند تصمیم گیری را به شبکه معیارهای تصمیم تبدیل می کند [ ۶۵ ]. با استفاده از این رویکرد، سیستم مقایسه دو جفتی به تعیین وزن شرایط ساختاری و به دنبال آن اولویت بندی معیارها در فرآیند MCDM کمک کرد [ ۱۲ ، ۱۵ ، ۶۴ ، ۶۶ ، ۶۷ ]. بسیاری از محققان از رویکردهای ANP در انتخاب مکان ها و ارزیابی و تجزیه و تحلیل زمین استفاده کرده اند [ ۱۲ , ۱۵ , ۶۴ , ۶۷ , ۶۸ ,۶۹, ۷۰ , ۷۱ ]. مراحل اعمال ANP در یک فرآیند چهار مرحله ای با هم ترکیب می شوند. جزئیات داده های کامپایل شده به عنوان جداول تکمیلی S1-S5 موجود است.
  • مرحله ۱٫ اهمیت و ارزش عوامل را بر اساس معیارها نشان دهید. از مقایسه زوجی برای در نظر گرفتن تأثیر هر عنصر در مقابل عناصر دیگر استفاده کنید. از لحاظ مفهومی، نمونه ای از مقایسه زوجی مورد استفاده برای ارزیابی مناسب بودن زمین در شکل ۴ دیده می شود .
  • مرحله ۲٫ مقیاس عوامل فرعی عناصر. برای مقایسه عناصر در هر خوشه، مقیاس‌ها در فواصل گسسته انتخاب می‌شوند (یعنی ۱ تا ۹ که در آن مقیاس ۹ اهمیت مطلق یک عنصر را در مقایسه با سایرین نشان می‌دهد و مقیاس ۱ اهمیت مساوی عناصر را نشان می‌دهد). توجه داشته باشید که نشان دهنده اهمیت عنصر ام با توجه به عنصر ام [ ۷۲ ، ۷۳ ].
  • مرحله ۳٫ ماتریس فوق العاده ای را که تقسیم بندی شده و بر اساس خوشه (یعنی عوامل) و عناصر آن (یعنی از مقایسه زوجی) است، محاسبه کنید. ماتریس فوق العاده، یعنی معادله (۲)، شامل خوشه ها به صورت زیر ارائه می شوند:

    جایی که: = خوشه ام (یعنی = ۱، ۲، … ) و هر خوشه شامل موارد نمایش داده شده توسط ، ,…, . هر ستون از  = بردار اولویت به دست آمده از مقایسه زوجی یکسان، که نشان دهنده اهمیت عناصر در خوشه ام با توجه به یک عنصر در خوشه ام

  • مرحله ۴٫ وزن ابر ماتریس را با ضرب ماتریس در فاکتورهای اولویت، ایجاد یک ابر ماتریس محدود و بالا بردن ماتریس فوق العاده وزنی تا حد مناسب محاسبه کنید. ابر ماتریس محدود با استفاده از رابطه (۳) به دست می آید.

    جایی که: = سوپر ماتریس وزن دار، = عنصر، و = حد تابع

پس از توزیع پرسشنامه بین خبرگان، نتایج مقایسه و وزن دهی آنها توسط نرم افزار Super Decision Version 3.2 تعیین می شود. از میان معیارهای موثر در ارزیابی امکانات بالقوه آبزی پروری استان مرکزی، شیب با وزن ۴۴۹/۰ و پس از آن فرسایش خاک با وزن ۲۶۵/۰، ساختار خاک با وزن ۱۴۵/۰ و بافت و عمق خاک مهمترین معیار است. با وزن ۰٫۱۴۱٫ این وزن ها نتایج معیارهای قابلیت زمین آبزی پروری (یعنی اولویت) برای مطالعه هستند و برای تعیین پتانسیل توسعه آبزی پروری در منطقه استفاده می شوند. پس از تعیین وزن بین معیارها، وزن طبقات هر معیار مشخص می شود.
نکته قابل توجه در این روش این است که برای مکان یابی هرچه دقیق تر مکان های پرورش آبزیان در منطقه مورد مطالعه، علاوه بر سنجیدن معیارها در انتخاب مکان، طبقات هر معیار طبق نظر کارشناسان وزن بندی و بر اساس آن اولویت بندی می شود. به این ترتیب، روش ANP استفاده شده، وزن معیارها را با توجه به نظر متخصص تعیین می کند و اهمیت آنها در تعیین خروجی معیارهای تصمیم گیری کمک می کند. ذکر این نکته ضروری است که حل مشکلات با استفاده از شبکه ای که تا حد زیادی به مدل سازی و طراحی شبکه بستگی دارد، از قاعده خاصی پیروی نمی کند. بنابراین، حل مسئله دارای پیچیدگی هایی است که نمی توان یک قاعده یا فرمول کلی را برای حل آنها تعمیم داد. ۶۹ ]]. ANP می تواند چارچوب بسیار مفیدی برای تحلیل مسائل توسعه باشد، زیرا می توان از آن برای مطالعه روابط داخلی و خارجی، روابط متقابل عناصر و متغیرها، اعمال معیارهای کمی و کیفی، سازگاری در قضاوت ها، امکان مقایسه زوجی متغیرها در تصمیم گیری، امکان اولویت بندی نهایی گزینه های پیشنهادی و غلبه بر مشکلات روابط سلسله مراتبی از بالا به پایین یا از پایین به بالا با نادیده گرفتن مفهوم بازخورد. این فرآیند روشی انعطاف‌پذیر برای کمک به تصمیم‌گیرندگان در تجزیه و تحلیل مسائل پیچیده است که عناصر آن باید تصمیم‌گیری شوند. در مجموع، این یک راه جامع و قدرتمند برای تصمیم گیری دقیق است. مدل ANP همچنین می تواند با مدل های دیگر ترکیب شود، به عنوان مثال، مدل FANP در ترکیب با ANP و فازی که در آن تخمین‌های زبانی به اعداد فازی تبدیل می‌شوند – همانطور که مالمیر و همکاران پیشنهاد کردند. [۶۵ ]، زارعی و همکاران. [ ۶۹ ]، یونا و همکاران. [ ۷۱ ] و سیدمحمدی و همکاران. [ ۶۶ ]. در نهایت، کمیته اخلاقی دانشگاه گدانسک با همکاری دانشگاه اراک تأیید کرده است که این مطالعه با اخلاق تحقیق علمی که در اصول اخلاقی اعلامیه هلسینکی و سایر اصول اخلاقی و قوانین قابل اجرا در اتحادیه اروپا مطابقت دارد مطابقت دارد. با دستورالعمل ۲۰۱۰/۶۳/EU.

۳٫ نتایج

با استفاده از مدل ارزیابی پتانسیل قابلیت اکولوژیکی زمین مخدوم [ ۶۲ ]، مساحت زمین برای کاربری های آبزی پروری و شرایط طبیعی منطقه با استفاده از طبقات مختلف لایه ها برای استقرار از طریق وزن های اختصاص داده شده توسط کارشناسان ارزیابی می شود ( جدول ۲ ). نتایج نشان می‌دهد که کلاس‌هایی با کاربرد بالاتر باید وزن بیشتری دریافت کنند. به عنوان مثال، طبقات شیب سنتی تا ۵% و بالاتر از ۶۵% از اهمیت یکسانی برخوردار بوده اند، در حالی که برای این مطالعه، طبقات شیب با وزن ۰ تا ۵% بیش از ۱۷ برابر وزن یک کلاس شیب بالای ۶۵% است.
پس از تعیین وزن معیارها و کلاس های معیار و اعمال آنها، حذف محدودیت ها (یعنی کنترل ها) ( جدول ۳ و شکل ۵ ) از نقشه های پایه انجام شد ( شکل ۶ ). عوامل محدودکننده شیب (درصد)، منطقه حفاظت شده و منطقه حائل تالاب میقان (در شکل ۵ ارائه شده ) برای ساختن نقشه محدودیت ترکیب شدند و همانطور که در چارچوب روش‌شناسی نشان داده شده است، در فرآیند جمع‌آوری داده‌ها ادغام شدند. به عنوان یافته نهایی، نقشه‌های مدل‌سازی‌شده همگی روی یکدیگر قرار گرفتند تا نقشه نهایی مکان‌های مناسبی را که می‌توان توسعه آبزی پروری در استان مرکزی انجام داد، نشان دهد ( شکل ۷ ).
جدول ۴ نشان می دهد که از نظر ظرفیت اکولوژیکی زمین، اگرچه ۸/۴۳ درصد از استان مرکزی برای آبزی پروری مناسب نیست، ۴۰ درصد آن دارای پتانسیل اقتصادی ۸۴/۱۳ درصد به عنوان بسیار مناسب و ۹۵/۲۶ درصد به عنوان بسیار مناسب است. نتایج حاکی از آن است که مناطق کلیدی با پتانسیل بالا و بسیار بالا در بخش مرکزی، جنوب و شمال شرق استان در مجاورت یک منبع آبی قرار دارند. به این ترتیب بیشترین مناطق توانمند برای توسعه آبزی پروری در اطراف سدهای مخزنی و انشعابات متراکم شبکه هیدرولوژیکی استان مرکزی قرار دارد.
نتایج تحلیل حساسیت نشان می دهد که با افزایش یا کاهش ۱۰ درصدی هر یک از معیارها، اولویت بندی معیارها ثابت باقی ماند ( جدول ۵ ). با این حال، مشخص شد که اگر تنها معیارهای بافت و عمق خاک ۱۰ درصد افزایش یابد، اولویت بندی معیارها، شیب، فرسایش خاک، بافت و عمق خاک، و ساختار خاک را تغییر می دهد – همانطور که در شکل ۸ نشان داده شده است. به طور کلی، با افزایش یا کاهش معیارها، وزن معیارها با توجه به میزان تغییر نسبت به آن معیار تغییر می‌کرد – اولویت آنها همانطور که گفته شد تغییری نکرد.

۴٫ بحث و نتیجه گیری

این مطالعه یک روش انتخاب مکان مبتنی بر GIS را با الگوریتم ANP برای ارزیابی مناسب بودن آبزی پروری (به عنوان مثال، قابلیت زمین) Oncorhynchus mykiss (قزل آلای رنگین کمان) ادغام کرد. برای تعیین مکان های مناسب برای آبزی پروری بر اساس شرایط انتخابی از روش ترکیبی استفاده شد. در برخی موقعیت‌ها، استفاده از روشی که بتواند همه ویژگی‌های بالقوه را در نظر بگیرد، بسیار مهم بود. GIS در ترکیب با ANP یک راه حل روش شناختی کافی برای قطعه بندی، همراه با روش های تحلیل فضایی برای منطقه مورد مطالعه اعمال کرد. به این ترتیب، نقشه خروجی نهایی می تواند به مدیران و برنامه ریزان در تصمیم گیری مناسب کمک کند که مناسب ترین مکان برای توسعه آبزی پروری در استان کجاست. MCDM مبتنی بر GIS یک روش سریع و مقرون به صرفه برای اهداف ارزیابی اراضی آبزی پروری به ویژه در مراحل اولیه برنامه ریزی است.۷۵ ].
یک نوآوری اصلی تحقیق در مقایسه با سایر مطالعات مشابه را می توان در دو بخش خلاصه کرد. ابتدا این مطالعه در نواحی مرکزی فلات ایران که از خط ساحلی شمال و جنوب ایران بسیار دور بوده و در عین حال مانند سایر نقاط جهان با مسائل مربوط به تغییرات اقلیمی مواجه است انجام شده است. از جمله خشکسالی که می تواند سودمند باشد زیرا فرصت های گسترده ای را برای مردم بومی ایجاد کرده است. دوم، همانطور که ذکر شد، این تحقیق با وجود محدودیت‌های داده، رویکردهای GIS و MCDM را برای خروجی بهتر ترکیب می‌کند. به این ترتیب، چندین مطالعه مزایای روش‌های MCDM مرتبط با محیط GIS را برای اهداف ارزیابی زمین و انتخاب مکان گزارش می‌کنند ۵۴ , ۵۵ , ۵۶,۵۷ ،۵۷, ۵۸ , ۵۹ ]. با توجه به این موضوع، شناخت عوامل موثر بر مکان و تعیین میزان محدودیت هایی که ایجاد می کنند یکی از مسائل مهم در ارزش گذاری مناطق مستعد آبزی پروری است [ ۴۹ ]. بنابراین ضروری است که محققان این حوزه در تمامی مراحل ارزیابی اراضی، این معیارها را با جزئیات هر چه بیشتر بررسی و انتخاب کنند. از این رو، معیارهای مکان یابی در این مطالعه، با توجه به مدل ارزیابی پتانسیل اکولوژیکی منطقه زمین برای آبزی پروری [ ۶۲ ]، با استفاده از شیب، بافت و عمق خاک، ساختار خاک و فرسایش خاک، ارزشمند بود.
برای دستیابی به اعتبار ارزیابی اراضی و شاخص های مرتبط با آبزی پروری در ایران، با نگاهی به تمام مطالعات منتشر شده تا به امروز در این موضوع، ما شش مقاله کلیدی را شناسایی کردیم [ ۱۵ ، ۳۳ ، ۵۴ ، ۶۹ ، ۷۶ ، ۷۷ ]. همه این مطالعات مشخصات اقلیمی و جغرافیایی مشابهی را نشان می‌دهند که در آنها کاربردی‌ترین شاخص‌ها در رابطه با آبزی پروری پایدار شیب، ساختار خاک و بافت و عمق خاک بوده است. علاوه بر این، در راستای مطالعه ما، تقریباً در همه آنها اهمیت این پارامترها به ترتیب وزنی مشابه با این مقاله منبع شد. همچنین بر اساس گزارش مرکز آمار ایران [ ۷۸از میان شهرستان های استان مرکزی، اراک (۳۱ استخر)، ساوه (۱۸ استخر)، تفرش (۱۵ استخر) و خمین (۱۵ استخر) در رتبه اول تولید آبزی پروری قرار دارند. مناطق در سطح استان این شهرستان ها و مجموع استخرها با ۹۶ هکتار مساحت کل آبزی پروری استان مرکزی مطابقت دارند که همبستگی دیگری را با نتایج مطالعه نشان می دهد.
بررسی ضوابط تعیین شده با استفاده از GIS و ANP نشان داد که ۸/۴۳ درصد از اراضی مورد مطالعه در استان مرکزی فاقد پتانسیل آبزی پروری بوده و نزدیک به ۷۹/۴۰ درصد از آنها بسیار و فوق العاده مناسب بوده اند. این وضعیت استان را برای توسعه آبزی پروری بسیار مطلوب قرار می دهد – به ویژه در مناطق مرکزی، جنوبی و شمال شرقی در مجاورت شبکه هیدرولوژیکی. این مطالعه نشان داد که ترکیبی از GIS با مدل کاربردی ANP می تواند به طور موثر در ارزیابی زمین برای توسعه آبزی پروری استفاده شود. به طور کلی، دو نکته خاص مطالعه باید در ارزیابی اراضی آبزی پروری در نظر گرفته شود. اول اینکه کیفیت آب (به عنوان مثال DO، NH3، No3-1، No2-1، pH و دما) از نظر ارزیابی اراضی آبزی پروری در ایران اهمیت چندانی ندارد. زیرا این یک عامل داخلی دولتی است و این پارامترها قبل از اجرای هر سایتی کنترل و تنظیم می شوند. دوم، افزایش پارامترهای ارزیابی زمین می تواند دقت انتخاب مکان را بهبود بخشد، به عنوان مثال، با افزایش لایه ها و داده ها. به این ترتیب، هنگام انجام ارزیابی‌های قابلیت زمین که به سرمایه‌گذاری کلان دولت برای ایجاد یا گسترش امکانات فعلی نیاز دارد، این همیشه یک مانع خواهد بود.
لازم به ذکر است که ایران از نظر پوشش گیاهی و اقلیم به پنج منطقه جغرافیایی وسیع تقسیم می شود. منطقه ایرانو تورانی که حدود ۲۸ درصد از خاک ایران را در بر می گیرد، جایی است که منطقه مورد مطالعه قرار دارد. با اقلیم و ژئومورفولوژی بسیار مشابه، تعمیم نتایج را می توان برای بخش بیشتری از این منطقه القا کرد. با این وجود، این مطالعه هنوز به شدت به در دسترس بودن اطلاعات و داده ها وابسته است، زیرا این اطلاعات برای سطح استانی در کشور محفوظ است. از این تحقیق همچنین باید تاکید کرد که استان مرکزی به دلیل مجاورت با پایتخت – تهران – و سایر شهرهای بزرگ مانند اصفهان و قم یکی از جذاب‌ترین استان‌های ایران از نظر سرمایه‌گذاری است. از آنجایی که استان به عنوان یک کریدور غربی عمل می کند، که مرکز کشور را به غرب و کشورهای همسایه متصل می کند، شرایط محیطی نسبتا مطلوب و ماهیت صنعتی استان، یعنی نسبت به سایر نقاط کشور، نویدبخش بسیاری از صنایع مادر از جمله آبزی پروری است. برای کاهش و معکوس کردن هرگونه تحول منفی بیشتر ناشی از برنامه ریزی و مدیریت ضعیف، این مطالعه به طور جامع استان مرکزی را مورد توجه قرار داد و گزینه (و چالش) ادغام آبزی پروری داخلی در بخش تولید استان را تا حدی امکان پذیر دانست. در این مورد، استفاده از آبزی پروری داخلی یک نوع رویکرد مشکل-حل-حل-حل است. به عنوان یک پیشرفت در دستور کار توسعه پایدار کشور، یک دارایی برای غذای محلی و سالم (یعنی مصرف روزانه پروتئین در رژیم غذایی) تاکید می شود.
به طور کلی، استان مرکزی پتانسیل توسعه تاسیسات آبزی پروری داخلی و تبدیل شدن به یک تولیدکننده اصلی غذاهای دریایی در منطقه را دارد. با این حال، باید یک درک معقول در نظر گرفته شود، زیرا شکاف چند دهه اخیر رشد و توسعه ناخواسته پس از انقلاب اسلامی و جنگ عراق، و با توجه به اینکه چگونه این مشکلات ژئوپلیتیکی توسعه را متوقف کرده است، باید در نظر گرفته شود. . کار آینده، از طریق تجزیه و تحلیل داده های جامع و واقع بینانه، باید توسعه بالقوه آبزی پروری را معرفی کند، در حالی که هنوز شرایط موجود و چشم انداز تغییر را در نظر می گیرد (یعنی بررسی می کند). به نظر می‌رسد بیشتر مناطق مستعد استان مرکزی یا توسط مناطق مسکونی یا سایر فعالیت‌های انسانی اشغال شده است. و برخی از آنها به دلیل شرایط جغرافیایی و محدودیت های طبیعی جغرافیای استان به طور نامناسب توسعه یافته اند. از طریق MCDM مبتنی بر GIS، می توان امیدوار بود که توسعه آینده را بهتر می توان برنامه ریزی و مدیریت کرد تا عملکرد صحیح و پایدار در سطح استان انجام شود.

منابع

  1. بلتون، بی. لیتل، دی سی; ژانگ، دبلیو. ادواردز، پی. اسکلادانی، م. ماهی SH پرورش دهنده در دریا، دنیا را تغذیه نخواهد کرد. نات. اشتراک. ۲۰۲۰ ، ۱۱ ، ۵۸۰۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. فائو آمار شیلات و آبزی پروری ; سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، ۲۰۱۸٫ [ Google Scholar ]
  3. نایلور، RL; هاردی، RW; بوشمن، ق. بوش، SR؛ کائو، ال. کلینگر، دی اچ. لیتل، دی سی; لوبچنکو، جی. Shumway، SE; ترول، ام. مرور گذشته نگر ۲۰ ساله آبزی پروری جهانی. Nature ۲۰۲۱ ، ۵۹۱ ، ۵۵۱-۵۶۳٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. واز، ال. سوزا، ام سی; گومز-ژستیرا، م. Dias، JM یک مدل مناسب زیستگاهی برای انتخاب سایت آبزی پروری: Ria de Aveiro و Rias Baixas. علمی کل محیط. ۲۰۲۱ ، ۸۰۱ ، ۱۴۹۶۸۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. چاریسیادو، س. هالینگ، سی. جدوی، ن. فون شریب، ک. گالستروم، ام. لارسون، تی. نوردلوند، LM آبزی پروری ساحلی در زنگبار. تانزانیا آکواک. ۲۰۲۲ , ۵۴۶ , ۷۳۷۳۳۱٫ [ Google Scholar ] [ CrossRef ]
  6. جینگ، ز. نینگنینگ، ز. زکی، س. یونگ، ال. جون، م. Yanan, L. اثرات سطوح لیپید و پروتئین جیره بر رشد و متابولیسم فیزیولوژیکی لارو Pelteobagrus fulvidraco تحت سیستم آبزی پروری در گردش (RAS). آبزی پروری ۲۰۱۸ ، ۴۹۵ ، ۴۵۸-۴۶۴٫ [ Google Scholar ]
  7. حسین، ام اس; ارزیابی چند معیاره مبتنی بر NG GIS برای مدل‌سازی تناسب زمین برای پرورش میگوی غول‌پیکر (Macrobrachium rosenbergii) در Companigonj Upazila در نوآخالی، بنگلادش. محاسبه کنید. الکترون کشاورزی ۲۰۱۰ ، ۷۰ ، ۱۷۲-۱۸۶٫ [ Google Scholar ] [ CrossRef ]
  8. De Novaes Vianna، LF; Bonetti Filho، J. تجزیه و تحلیل فضایی برای انتخاب مکان در آبزی پروری دریایی: یک رویکرد اکوسیستمی اعمال شده در Baía Sul، سانتا کاتارینا، برزیل. آبزی پروری ۲۰۱۸ ، ۴۸۹ ، ۱۶۲-۱۷۴٫ [ Google Scholar ] [ CrossRef ]
  9. فائو؛ بانک جهانی. منطقه بندی آبزی پروری، انتخاب مکان و مدیریت منطقه تحت رویکرد اکوسیستمی برای آبزی پروری یک کتابچه راهنمای ; سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، ۲۰۱۷٫ [ Google Scholar ]
  10. بروگر، سی. آگیلار-مانجارز، جی. Beveridge، MCM; Soto, D. رویکرد اکوسیستمی به آبزی پروری ۱۰ سال بعد – بررسی انتقادی و در نظر گرفتن نقش آینده آن در رشد آبی. کشیش آکواک. ۲۰۱۹ ، ۱۱ ، ۴۹۳-۵۱۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. ریکالوویچ، آ. کوزیک، آی. Lazarevic، D. تجزیه و تحلیل چند معیاره مبتنی بر GIS برای انتخاب مکان صنعتی. بیست و چهارمین سمپوزیوم بین المللی DAAAM در زمینه تولید هوشمند و اتوماسیون، ۲۰۱۳٫ Procedia Eng. ۲۰۱۴ ، ۶۹ ، ۱۰۵۴-۱۰۶۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. چائو، ال. یانبینگ، جی. ارنستو، DRSG; پیوو، دی. Aihua، W. انتخاب سایت کارخانه سوزاندن زباله به انرژی بر اساس روش بهترین-بدترین روش زبانی فازی مردد ANP و پارامترهای دوگانه رویکرد TOPSIS: مطالعه موردی در چین. Energy ۲۰۲۰ , ۲۱۱ , ۱۱۸۵۶۴٫ [ Google Scholar ]
  13. لی، ی. وانگ، ی. گائو، ایکس. زی، تی. های، ر. Zhang، X. روش ارزیابی چند معیاره برای انتخاب محل تخلیه فاضلاب صنعتی در مناطق ساحلی. جی. پاک. تولید ۲۰۱۷ ، ۱۶۱ ، ۱۱۴۳-۱۱۵۲٫ [ Google Scholar ] [ CrossRef ]
  14. نایاک، AK; شلوار، دی. کومار، پی. ماهانتا، رایانه شخصی؛ Pandey، مطالعه مناسب بودن سایت آبزی پروری مبتنی بر NN GIS با استفاده از رویکرد ارزیابی چند معیاره. هندی جی فیش ۲۰۱۴ ، ۶۱ ، ۱۰۸-۱۱۲٫ [ Google Scholar ]
  15. قبادی، م. نصری، م. احمدیپری، م. ارزیابی تناسب زمین (LSA) برای انتخاب سایت آبزی پروری از طریق یک روش چند معیاره یکپارچه GIS-DANP. مطالعه موردی استان لرستان، ایران. Aquaculture ۲۰۲۱ , ۵۳۰ , ۷۳۵۷۷۶٫ [ Google Scholar ] [ CrossRef ]
  16. ESRI. دسکتاپ ArcGIS. وب موسسه تحقیقات سیستم های محیطی ۲۰۱۱٫ در دسترس آنلاین: https://desktop.arcgis.com/en/arcmap (در ۱۲ ژوئن ۲۰۲۰ قابل دسترسی است).
  17. Nath، SS; بولته، جی پی؛ راس، ال جی؛ Aguilar-Manjarrez, J. کاربردهای سیستم های اطلاعات جغرافیایی (GIS) برای پشتیبانی تصمیم گیری فضایی در آبزی پروری. آبزی پروری مهندس ۲۰۰۰ ، ۲۳ ، ۲۳۳-۲۷۸٫ [ Google Scholar ] [ CrossRef ]
  18. داپوتو، جی. ماسا، اف. کاستا، اس. سیمولی، ال. اولیواری، ای. چیانتوره، ام. فدریچی، بی. Povero، P. ارزیابی چند معیاره فضایی برای انتخاب مکان مزرعه ماهی دریایی دریایی در دریای لیگوریا، ایتالیا. ساحل اقیانوس. مدیریت ۲۰۱۵ ، ۱۱۶ ، ۶۴-۷۷٫ [ Google Scholar ] [ CrossRef ]
  19. یین، اس. تاکشیگه، ا. میاکه، ی. کیمورا، اس. انتخاب سایت‌های آبزی پروری ساحلی مناسب با استفاده از تحلیل تصمیم‌گیری چند معیاره در تنگه منای، انگلستان. اقیانوس. ساحل. مدیریت ۲۰۱۸ ، ۱۶۵ ، ۲۶۸-۲۷۹٫ [ Google Scholar ] [ CrossRef ]
  20. کاپتسکی، جی.ام. Aguilar-Manjarrez, J. سیستم های اطلاعات جغرافیایی، سنجش از دور و نقشه برداری برای توسعه و مدیریت آبزی پروری دریایی. در مقاله فنی شیلات و آبزی پروری ۴۵۸ ; فائو: رم، ایتالیا، ۲۰۰۷٫ [ Google Scholar ]
  21. آگیلار-مانجارز، جی. کاپتسکی، جی.ام. سوتو، دی. پتانسیل ابزارهای برنامه ریزی فضایی برای حمایت از رویکرد اکوسیستمی به آبزی پروری. کارگاه تخصصی فائو/رم. ۱۹–۲۱ نوامبر ۲۰۰۸، رم، ایتالیا. در مجموعه مقالات شیلات و آبزی پروری فائو ; شماره ۱۷; فائو: رم، ایتالیا، ۲۰۱۰; ۱۷۶p. [ Google Scholar ]
  22. Meaden, GJ; Aguilar-Manjarrez, J. (Eds.) پیشرفت ها در سیستم های اطلاعات جغرافیایی و سنجش از دور برای ماهیگیری و آبزی پروری، نسخه خلاصه ; سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، ۲۰۱۳٫ [ Google Scholar ]
  23. راس، ال جی؛ مندوزا، QMEA؛ Beveridge، MCM کاربرد سیستم های اطلاعات جغرافیایی برای انتخاب مکان برای آبزی پروری ساحلی: مثالی بر اساس کشت قفس ماهی قزل آلا. آبزی پروری ۲۰۱۳ ، ۱۱۲ ، ۱۶۵-۱۷۸٫ [ Google Scholar ] [ CrossRef ]
  24. خمیس، ع. خطیب، ت. یوسلیزا، NAHM؛ Azmi، AN انتخاب بهینه سایت نصب انرژی تجدیدپذیر در مناطق دورافتاده با استفاده از تقسیم بندی و تکنیک منطقه ای: مطالعه موردی ساراواک، مالزی. حفظ کنید. فناوری انرژی ارزیابی کنید. ۲۰۲۰ , ۴۲ , ۱۰۰۸۵۸٫ [ Google Scholar ] [ CrossRef ]
  25. Malczewski، J. تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. Prog. طرح. ۲۰۰۴ ، ۶۲ ، ۳-۶۵٫ [ Google Scholar ] [ CrossRef ]
  26. دیاز، اچ. Soares, CG یک رویکرد GIS یکپارچه برای انتخاب مکان مزارع بادی شناور دریایی در خط ساحلی اروپا قاره اقیانوس اطلس. تمدید کنید. حفظ کنید. Energy Rev. ۲۰۲۰ , ۱۳۴ , ۱۱۰۳۲۸٫ [ Google Scholar ] [ CrossRef ]
  27. ایزدیخواه، م. Saen، RF یک روش رأی گیری ترجیحی جدید برای برنامه ریزی مکان پایدار با استفاده از سیستم اطلاعات جغرافیایی و تجزیه و تحلیل پوششی داده ها. جی. پاک. تولید ۲۰۱۶ ، ۱۳۷ ، ۱۳۴۷–۱۳۶۷٫ [ Google Scholar ] [ CrossRef ]
  28. الگایار، OF; Leung، PS چارچوب تصمیم گیری چند معیاره برای توسعه آبزی پروری منطقه ای. اروپایی J. Oper. Res. ۲۰۰۱ ، ۱۳۳ ، ۴۶۲-۴۸۲٫ [ Google Scholar ] [ CrossRef ]
  29. مارتینز-کوردرو، اف جی. مدل تصمیم گیری چند معیاره Leung، PS (MCDM) برای توسعه منطقه ای پرورش میگو در شمال غربی مکزیک. آکواک. اقتصاد مدیریت ۲۰۰۴ ، ۸ ، ۱۷۹-۱۹۲٫ [ Google Scholar ] [ CrossRef ]
  30. هسالا، د. سوپاک، س. Rivers, L. انتخاب سایت زیرساخت سبز در جامعه تالاب Walnut Creek: مطالعه موردی از جنوب شرقی رالی، کارولینای شمالی. Landsc. طرح شهری. ۲۰۲۰ ، ۱۹۶ ، ۱۰۳۷۴۳٫ [ Google Scholar ] [ CrossRef ]
  31. Wiltshire، KH; Tanner, JE مقایسه روش‌های مدل‌سازی حداکثر آنتروپی برای اطلاع از انتخاب مکان آبزی پروری برای گونه‌های جدید جلبک دریایی. Ecol. مدل. ۲۰۲۰ , ۴۲۹ , ۱۰۹۰۷۱٫ [ Google Scholar ] [ CrossRef ]
  32. ونیر، سی. منگن، اس. پوسینگام، اچ پی؛ گیسی، ای. زانلا، ا. دپلگرین، دی. سارتا، ا. باربانتی، ا. McGowan، J. پهنه بندی چند هدفه برای آبزی پروری و تنوع زیستی. علمی کل محیط. ۲۰۲۱ ، ۷۸۵ ، ۱۴۶۹۹۷٫ [ Google Scholar ] [ CrossRef ]
  33. هادی پور، ع. وفایی، ف. هادی پور، وی. ارزیابی تناسب اراضی برای توسعه آبزی پروری آب شور در منطقه ساحلی هرمزگان، ایران. آکواک. بین المللی ۲۰۱۴ ، ۲۳ ، ۳۲۹-۳۴۳٫ [ Google Scholar ] [ CrossRef ]
  34. بیتراگو، جی. رادا، م. هرناندز، اچ. Buitrago، E. یک تکنیک انتخاب مکان یکبار مصرف، با استفاده از GIS، برای برنامه ریزی آبزی پروری، انتخاب مکان برای کشت قایق صدف حرا در جزیره مارگاریتا، ونزوئلا. محیط زیست مدیریت ۲۰۰۵ ، ۳۵ ، ۵۴۴-۵۵۶٫ [ Google Scholar ] [ CrossRef ]
  35. سیلوا، سی. فریرا، جی جی. Bricker, SB; دلوالز، TA; مارتین دیاز، ام ال. Yañez, E. انتخاب مکان برای آبزی پروری صدف با استفاده از GIS و مدل‌های مقیاس مزرعه، با تاکید بر محیط‌های ضعیف از نظر داده. آبزی پروری ۲۰۱۱ ، ۳۱۸ ، ۴۴۴-۴۵۷٫ [ Google Scholar ] [ CrossRef ]
  36. رادیارتا، IN; Saitoh، SI; Miyazono، A. مدل‌های ارزیابی چند معیاره مبتنی بر GIS برای شناسایی مکان‌های مناسب برای پرورش ماهی گوش ژاپنی (Mizuhopecten yessoensis) در خلیج فونکا، جنوب غربی هوکایدو، ژاپن. آبزی پروری ۲۰۰۸ ، ۲۸۴ ، ۱۲۷-۱۳۵٫ [ Google Scholar ] [ CrossRef ]
  37. مایکل، جی. کاستا، AC؛ آگیار، پ. مدیروس، آ. Calado, H. سیستم اطلاعات جغرافیایی در یک ابزار چند معیاره برای انتخاب سایت دریایی. ساحل مناگ. ۲۰۱۵ ، ۴۳ ، ۵۲-۶۶٫ [ Google Scholar ] [ CrossRef ]
  38. لیو، ی. Saitoh، S.-I.; رادیارتا، IN; ایسادا، تی. هیراواک، تی. میزوتا، اچ. یاسویی، اچ. بهبود مدل انتخاب محل آبزی پروری برای کلپ ژاپنی (Saccharina japonica) در جنوب هوکایدو، ژاپن: برنامه ای برای تأثیرات رویدادهای آب و هوایی. ICES J. Mar. Sci. ۲۰۱۳ ، ۷۰ ، ۱۴۶۰-۱۴۷۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. آگیلار-مانجارز، جی. راس، سیستم های اطلاعات جغرافیایی LG (GIS)، مدل های زیست محیطی برای توسعه آبزی پروری در ایالت سینالوآ، مکزیک. آکواک. بین المللی ۱۹۹۵ ، ۳ ، ۱۰۳-۱۱۵٫ [ Google Scholar ] [ CrossRef ]
  40. آرنولد، دبلیو اس. سفید، مگاوات؛ نوریس، HA; Berrigan, ME Hard clam ( Mercenaria spp.) آبزی پروری در فلوریدا، ایالات متحده: برنامه های کاربردی سیستم اطلاعات جغرافیایی برای اجاره انتخاب سایت. آکواک. مهندس ۲۰۰۰ ، ۲۳ ، ۲۰۳-۲۳۱٫ [ Google Scholar ] [ CrossRef ]
  41. Calle Yunis، CR; سالاس لوپز، آر. کروز، SMO; باربوزا کاستیلو، ای. سیلوا لوپز، JO; ایلیکوین تریگوسو، دی. Briceño، تناسب زمین NBR برای آبزی پروری پایدار قزل آلای رنگین کمان (Oncorhynchus mykiss) در Molinopampa (پرو) بر اساس RS، GIS، و AHP. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۲۸٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  42. کارتیک، م. سوری، ج. ساهاران، ن. Biradar، RS انتخاب سایت آبزی پروری آب شور در Palghar Taluk، منطقه Thane در ماهاراشترا، هند، با استفاده از تکنیک های سنجش از دور و سیستم اطلاعات جغرافیایی. آکواک. مهندس ۲۰۰۵ ، ۳۲ ، ۲۸۵-۳۰۲٫ [ Google Scholar ] [ CrossRef ]
  43. مکلود، آی. پانتوس، اف. پرستون، ن. استفاده از یک سیستم اطلاعات جغرافیایی برای برنامه ریزی آبزی پروری مبتنی بر زمین. آکواک. Res. ۲۰۰۲ ، ۳۳ ، ۲۴۱-۲۵۰٫ [ Google Scholar ] [ CrossRef ]
  44. Giap، DH; یی، ی. Yakupitiyage، A. GIS برای ارزیابی زمین برای پرورش میگو در هایفونگ ویتنام. ساحل اقیانوس مناگ. ۲۰۰۵ ، ۴۸ ، ۵۱-۶۳٫ [ Google Scholar ] [ CrossRef ]
  45. پرز، اوم. تلفر، تی. گلن راس، L. استفاده از مدل‌های مبتنی بر GIS برای ادغام و توسعه قفس‌های ماهی دریایی در صنعت گردشگری در تنریف (جزایر قناری). جی. ساحل. مدیریت ۲۰۰۳ ، ۳۱ ، ۳۵۵-۳۶۶٫ [ Google Scholar ] [ CrossRef ]
  46. پرز، اوم. تلفر، تی. Glenn Ross, L. مدل‌های مبتنی بر سیستم‌های اطلاعات جغرافیایی برای انتخاب سایت آبزی پروری قفس ماهی‌های دریایی شناور در تنریف، جزایر قناری. آکواک. Res. ۲۰۰۵ ، ۳۶ ، ۹۴۶-۹۶۱٫ [ Google Scholar ] [ CrossRef ]
  47. رادیارتا، IN; Saitoh، مدل‌های بیوفیزیکال SI برای گوش ماهی ژاپنی، Mizuhopecten yessoensis، انتخاب محل پرورش آبزیان در خلیج فونکا، هوکایدو، ژاپن، با استفاده از داده‌های سنجش از دور و سیستم اطلاعات جغرافیایی. آکواک. بین المللی ۲۰۰۹ ، ۱۷ ، ۴۰۳-۴۱۹٫ [ Google Scholar ] [ CrossRef ]
  48. سلام، م. لیندسی، GR; Beveridge، MCM مقایسه فرصت های توسعه برای آبزی پروری خرچنگ و میگو در جنوب غربی بنگلادش، با استفاده از مدل سازی GIS. آبزی پروری ۲۰۰۳ ، ۲۲۰ ، ۴۷۷-۴۹۴٫ [ Google Scholar ] [ CrossRef ]
  49. حسین، ام اس; Chowdhury، SR; داس، NG; شریفزمان، SM; سلطانا، الف. ادغام GIS و تجزیه و تحلیل تصمیم چند معیاره برای توسعه آبزی پروری شهری در بنگلادش. Landsc. طرح شهری ۲۰۰۹ ، ۹۰ ، ۱۱۹-۱۳۳٫ [ Google Scholar ] [ CrossRef ]
  50. حسین، ام اس; Chowdhury، SR; داس، NG; Rahaman، MM رویکرد ارزیابی چند معیاره برای طبقه بندی تناسب زمین مبتنی بر GIS برای پرورش ماهی تیلاپیا در بنگلادش. آکواک. بین المللی ۲۰۰۷ ، ۱۵ ، ۴۲۵-۴۴۳٫ [ Google Scholar ] [ CrossRef ]
  51. آسفا، WW; Abebe، مدل سازی WB GIS مکان های بالقوه مناسب برای توسعه آبزی پروری در حوضه دریاچه تانا، شمال غربی اتیوپی. کشاورزی امنیت غذایی ۲۰۱۸ ، ۷ ، ۷۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  52. نایاک، AK; کومار، پی. شلوار، دی. Mohanty، مدل‌سازی تناسب سرزمین RK برای افزایش توسعه منابع شیلات در هیمالیا مرکزی (هند) با استفاده از GIS و رویکرد ارزیابی چند معیاره. آکواک. مهندس ۲۰۱۸ ، ۸۳ ، ۱۲۰-۱۲۹٫ [ Google Scholar ] [ CrossRef ]
  53. اسماعیل پور پوده، س. قربانی، ر. حسینی، س. سلمان مهینی، ع. رضایی، ح. کامیاب، ح. روش ارزیابی چند معیاره برای انتخاب محل پرورش ماهیان خاویاری در سواحل جنوبی دریای خزر. Aquaculture ۲۰۱۹ , ۵۱۳ , ۷۳۴۴۱۶٫ [ Google Scholar ] [ CrossRef ]
  54. وفایی، ف. هادی پور، ع. هادی پور، V. مدل تصمیم گیری چند معیاره فازی مبتنی بر GIS برای انتخاب سایت آبزی پروری ساحلی. محیط زیست مهندس مدیریت J. ۲۰۱۲ , ۱۴ , ۲۴۱۵-۲۴۲۵٫ [ Google Scholar ] [ CrossRef ]
  55. موسوی، ش. دانه کار، ع. شکری، آقا؛ پورباقر، ح. اژدری، دی. انتخاب مکان برای صخره های مصنوعی با استفاده از ابزار جدید تصمیم گیری چند معیاره ترکیبی (MCDM) برای صخره های مرجانی در جزیره کیش-خلیج فارس. ساحل اقیانوس مناگ. ۲۰۱۵ ، ۱۱۱ ، ۹۲-۱۰۲٫ [ Google Scholar ] [ CrossRef ]
  56. محلکشمی، پ. پانی گراهی، ع. راویسانکار، تی. کومار، ج.ا. شانتی، ب. تصمیم گیری چند معیاره برای شناسایی مکان بهینه برای توسعه آبزی پروری. بین المللی J. Adv. علمی مهندس تکنولوژی ۲۰۱۴ ، ۲ ، ۱۱-۱۴٫ [ Google Scholar ]
  57. ورگارا-سولانا، اف. آراندا، من؛ Ponce-Díaz، G. فرصت هایی برای تقویت صنعت آبزی پروری از طریق تصمیم گیری چند معیاره. کشیش آکواک. ۲۰۱۹ ، ۱۱ ، ۱۰۵-۱۱۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  58. Villacreses، G. گائونا، جی. مارتینز-گومز، جی. Jijón، DJ مکان مناسب مزارع بادی با استفاده از سیستم اطلاعات جغرافیایی (GIS)، بر اساس روش های تصمیم گیری چند معیاره (MCDM): مورد اکوادور قاره ای. تمدید کنید. انرژی ۲۰۱۷ ، ۱۰۹ ، ۲۷۵-۲۸۶٫ [ Google Scholar ] [ CrossRef ]
  59. Teniwut، WA; ماریمین، م. Djatna، T. مدل تصمیم گیری چند معیاره مبتنی بر GIS برای انتخاب مکان مرکز اطلاعات کشاورزی جلبک دریایی: درس از جزایر کوچک، اندونزی. تصمیم می گیرد. علمی Lett. ۲۰۱۹ ، ۸ ، ۱۳۷-۱۵۰٫ [ Google Scholar ] [ CrossRef ]
  60. سازمان هواشناسی استان مرکزی. داده های اقلیمی ایستگاه هواشناسی استان مرکزی از سال ۱۹۹۱ تا ۲۰۱۸٫ ۲۰۲۰٫ قابل دسترسی آنلاین: http://www.markazimet.ir/Index.aspx?tempname=MainEng&lang=2&sub=0 (دسترسی در ۱۰ تیر ۱۳۹۹).
  61. گوگل ارث. وب سایت Google Earth. ۲۰۲۲٫ در دسترس آنلاین: https://earth.google.com/web/ (دسترسی در ۱۵ ژانویه ۲۰۲۲).
  62. مخدوم، MF مبانی برنامه ریزی کاربری اراضی ، چاپ پانزدهم. انتشارات دانشگاه تهران: تهران، ایران، ۱۳۹۴٫ [ Google Scholar ]
  63. مهرداد، م. اوکس، بی جی؛ سارا اوغلو، م. موروزوف، آ. یانشک، ک. دنیل، جی. بررسی فضای پارامتر خطا با استفاده از تزریق خطا مبتنی بر یادگیری تقویتی. در مجموعه مقالات پنجاهمین کنفرانس بین‌المللی سالانه IEEE/IFIP درباره کارگاه‌های آموزشی سیستم‌ها و شبکه‌های قابل اعتماد (DSN-W)، والنسیا، اسپانیا، ۲۹ ژوئن تا ۲ ژوئیه ۲۰۲۰٫ [ Google Scholar ] [ CrossRef ]
  64. آغمشهدی، ق. عزیزی، ع. حسینخانی، م. زاهدی، س. ارزیابی قابلیت و پس ارزیابی زمین شهرک صنعتی Cirella، GT در استان مرکزی. Appl. Geomat. ۲۰۲۱ . [ Google Scholar ] [ CrossRef ]
  65. مالمیر، م. خیرخواه زرکش، م. منوری، س. تحلیل تناسب زمین برای توسعه شهری در شهرستان اهواز در جنوب غربی ایران با استفاده از منطق فازی و فرآیند شبکه تحلیلی (ANP). محیط زیست نظارت کنید. ارزیابی کنید. ۲۰۱۶ ، ۱۸۸ ، ۱-۲۳٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  66. سیدمحمدی، ج. سرمدیان، ف. جعفرزاده، ع.ا. مک داول، RW یکپارچه سازی ANP و تکنیک های مجموعه فازی برای ارزیابی تناسب زمین بر اساس سنجش از دور و GIS برای کشت ذرت آبی. قوس. آگرون. علم خاک ۲۰۱۹ ، ۶۵ ، ۱۰۶۳-۱۰۷۹٫ [ Google Scholar ] [ CrossRef ]
  67. آراگونس-بلتران، پ. چاپارو-گونزالس، اف. کشیش-فراندو، جی پی; Rodríguez-Pozo، F. یک رویکرد مبتنی بر ANP برای انتخاب پروژه های سرمایه گذاری نیروگاه خورشیدی فتوولتائیک. تمدید کنید. حفظ کنید. انرژی Rev. ۲۰۱۰ ، ۱۴ ، ۲۴۹-۲۶۴٫ [ Google Scholar ] [ CrossRef ]
  68. کوئی لون، سی. سن کوئی، ال. Tzeng-Wei، T. Chi-Yi, L. یک رویکرد TOPSIS مبتنی بر ANP برای انتخاب مکان آپارتمان خدماتی تایوانی. آسیا پک مدیریت Rev. ۲۰۱۵ , ۲۰ , ۴۹-۵۵٫ [ Google Scholar ]
  69. زارعی، م. فاطمی، آقا؛ مرتضوی، ام اس; پو ابراهیم، ​​س. قدوسی، ج. انتخاب مکان بهینه گردشگری با استفاده از ANP و TOPSIS فازی در چارچوب مدیریت یکپارچه مناطق ساحلی: موردی از جزیره قشم. اقیانوس. ساحل. مدیریت ۲۰۱۶ ، ۱۳۰ ، ۱۷۹-۱۸۷٫ [ Google Scholar ]
  70. آرسیک، اس. نیکولیک، دی. Zivkovic، Z. مدل ترکیبی SWOT-ANP-FANP برای اولویت بندی استراتژی های توسعه پایدار اکوتوریسم در پارک ملی Djerdap، صربستان. برای. سیاست اقتصاد. ۲۰۱۷ ، ۸۰ ، ۱۱-۲۶٫ [ Google Scholar ] [ CrossRef ]
  71. یونا، دبلیو. بویان، ز. چوانبو، ایکس. Lingwenying، L. چارچوب تصمیم گیری انتخاب سایت با استفاده از ANP-VIKOR فازی برای سیستم PV بزرگ تجاری پشت بام بر اساس دیدگاه پایداری. حفظ کنید. جامعه شهرها ۲۰۱۸ ، ۴۰ ، ۴۵۴-۴۷۰٫ [ Google Scholar ]
  72. ساعتی، TL تصمیم گیری با وابستگی و بازخورد: فرآیند شبکه تحلیلی: سازماندهی و اولویت بندی پیچیدگی . انتشارات RWS: Pittsburgh, PA, USA, 1996. [ Google Scholar ]
  73. Saaty، TL فرآیند شبکه تحلیلی. تصمیم‌گیری با فرآیند شبکه تحلیلی: کاربردهای اقتصادی، سیاسی، اجتماعی و فناوری با مزایا، فرصت‌ها، هزینه‌ها و ریسک‌ها . Saaty، TL، Vargas، LG، Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۰۶; صص ۱-۲۶٫ [ Google Scholar ]
  74. سازمان محیط زیست. ضوابط و مقررات تأسیس واحدهای تولیدی، صنعتی و معدنی ؛ دفتر ارزیابی محیط زیست، معاونت محیط زیست انسانی، اداره محیط زیست ایران: تهران، ایران، ۱۳۹۸٫
  75. رامذینی، م. Sihombing، استفاده AR از سیستم اطلاعات جغرافیایی (GIS) در تعیین مناسب بودن مکان های شیلات کشت استخرهای ماهی آب شیرین در منطقه آچه جنوبی. J. Inotera ۲۰۱۸ ، ۳ ، ۸۱٫ [ Google Scholar ] [ CrossRef ]
  76. همتیار، ق. اسد، ع. کلانتری، KH مطالعه پایداری منابع آب زیرزمینی پرورش ماهی قزل آلای رنگین کمان شهرستان سردشت با استفاده از سیستم های اطلاعات جغرافیایی (GIS) و تصمیم گیری چند معیاره (MCDM). پژوهش ۲۰۱۱ ، ۲ ، ۱-۵٫ [ Google Scholar ]
  77. قلی فر، ا. عباسی، ا. پزشکی راد، گ. صالحی، ح. رضایی، ع. توسعه و اعتبارسنجی شاخص‌های آبزی پروری پایدار: مورد حوضه سد البرز، مازندران، ایران. بین المللی جی. آگریک. مدیریت توسعه دهنده (ایجماد) ۲۰۱۶ ، ۷ ، ۱۹۱-۱۹۹٫ [ Google Scholar ]
  78. مرکز آمار ایران. سالنامه آماری استان مرکزی ; پورتال داده ایران: تهران، ایران، ۱۳۹۴٫ [ Google Scholar ]
شکل ۱٫ جغرافیا و موقعیت استان مرکزی در ایران. نقشه ها از Google Earth [ ۶۱ ] تهیه شده اند.
شکل ۲٫ نمونه ای از استخر سنتی پرورش ماهی در استان مرکزی. عکس گرفته شده توسط امیر ح. آغمشهدی در ۱۷ جولای ۲۰۱۹٫
شکل ۳٫ نمودار جریان روش.
شکل ۴٫ مدل مفهومی ارزیابی اراضی آبزی پروری استان مرکزی.
شکل ۵٫ نقشه طبقه بندی هر معیار: ساختار خاک – بالا سمت چپ. بافت و عمق خاک – بالا سمت راست. شیب (%) – پایین سمت چپ. فرسایش خاک – پایین سمت راست.
شکل ۶٫ نقشه های محدودیت مورد استفاده برای تعیین کاربری اراضی آبزی پروری استان مرکزی: شیب (%)، منطقه حفاظت شده، منطقه حائل تالاب میقان و نقشه محدودیت ترکیبی.
شکل ۷٫ پتانسیل زمین برای توسعه مناسب آبزی پروری Oncorhynchus mykiss (قزل آلای رنگین کمان) در استان مرکزی ادغام شده با یافته های نقشه محدودیت.
شکل ۸٫ پیوند تجزیه و تحلیل حساسیت با بافت و عمق خاک.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانهدربارهتماسارتباط با ما