زون‌‌بندی منطقه حفاظت شده اشترانکوه با استفاده از ارزیابی چندمعیاره و الگوریتم خوشه‌‌بندی K-Means

زون‌‌بندی مناطق حفاظت شده رویکردی است که می‌‌تواند با تخصیص مناطق به واحدهای مدیریتی و کاربری اراضی تعارضات میان فعالیت‌‌های انسانی و حفاظتی را کاهش دهد. مطالعه حاضر با استفاده از روش‌‌های مبتنی بر سامانه‌‌های اطلاعات جغرافیایی و ارزیابی چندمعیاره به زون‌‌بندی منطقه حفاظت شده اشترانکوه می‌‌پردازد که بدین منظور ابتدا زون‌‌های موجود در منطقه شناسایی و برای هر یک از این زون‌‌ها با استفاده از ترکیب خطی وزن‌‌دار نقشه‌‌ای تهیه شد. نقشه‌‌های به دست آمده در این مرحله شامل نقشه اهداف حفاظتی، تفرجی و توسعه هستند که هر کدام از این نقشه‌‌های مطلوبیت با استفاده از لایه‌‌های مرتبط با این اهداف و با استفاده از مجموعه‌‌های فازی ایجاد شدند. در نهایت این سه نقشه مطلوبیت با یکدیگر تلفیق و نقشه نهایی با استفاده از الگوریتم خوشه‌‌بندی k-means به طبقات مورد نظر تقسیم شد. نتایج حاصل از این تجزیه و تحلیل نشان داد که رویکرد به کار رفته در این مطالعه می‌‌تواند به خوبی زون‌‌های موردنظر را شناسایی و تفکیک نماید. همچنین نتایج نشان دادند که 75 درصد منطقه به زون‌‌های امن و حفاظتی اختصاص دارد و پهنه‌‌های انتخاب شده برای این زون‌‌ها پیوستگی و نزدیکی بالایی به یکدیگر دارند که این امر مدیریت این مناطق را آسان‌‌تر می‌‌نماید. زون‌‌های تفرج گسترده، متمرکز و زون احیا و بازسازی به ترتیب 15، 3 و 7 درصد از مساحت منطقه را به خود اختصاص داده‌‌اند.

Zoning of Oshtrankou Protected Area Using Multicriteria Evaluation and KMEANS Clustering Algorithm

Zoning of protected areas is an approach that can reduce conflicts between human and conservation activities by allocating areas to land management and land use units. The present study uses methods based on GIS and multicriteria evaluation to zoning the protected area of Oshtrankooh. For this purpose, first, the existing zones in the area are identified, and for each of these zones and using a weighted linear combination, a map was prepared. The maps obtained in this step include the map of conservation, recreation, and development goals, each of which was created using layers related to these goals and using fuzzy sets. Finally, these three utility maps were combined and the final map was divided into desired classes using the KMEANS clustering algorithm. The results of this analysis showed that the approach used in this study can well identify and differentiate the desired zones. The results also showed that 75% of the area is dedicated to safe and protection zones, the areas selected for these zones are highly connected and close to each other, which makes the management of these areas easier. Extensive, concentrated recreation zones and rehabilitation zones occupy 15, 3, and 7% of the area, respectively.