از راهبردهای توسعه پایدار، توسعه فعالیتهای گردشگری می باشد. تعیین ارزش های گردشگری و استعدادهای طبیعی منطقه به همراه برنامه ریزی صحیح میتواند منجر به توسعه درآمدهای اقتصادی از طریق گردشگری گردد. یکی از مهم‌ترین راهکارهای بهرهمندی از منابع طبیعی و انسانی و بهرهبرداری علمی، بدون آسیب زدن به محیط زیست، مکانیابی بهینه اماکن تفریحی و اقامتی می‌باشد. شهرستان رودسر به دلیل موقعیت گردشگری، جاذبههای طبیعی و تاریخی به عنوان یکی از مکانهای مهم گردشگری شناخته شده است که جهت رضایتمندی این گردشگران متناسب با هر قشر و طبقهای در هر زمانی از سال تسهیلات و خدمات لازم جهت اسکان گردشگران مهیا باشد که در صورت رضایت مشتریان امکان سفر دوباره به شهر و اقامت مجدد در هتل وجود دارد. پژوهش حاضر از نوع توصیفی-تحلیلی و روش گردآوری اطلاعات کتابخانهای و میدانی است.در این تحقیق سعی میگردد با استفاده از مدل ANP-VIKOR مراکز اقامتی گردشگری در شهرستان رودسر مکانیابی گردد. مدل ANP-VIKOR حـالتی تعمـیم یافتـه از فرآیند تحلیل سلسله مراتبی اسـت و مجموعه معیارهایی هستند که برای مقایسه تعاملهایی که ممکـن است در شبکه وجود داشته باشد، استفاده می‌شوند. در فرآیند مکانیابی با استفاده از تحلیل سلسله مراتبی، بعد از تعیین سطوح سلسله مراتب شامل هدف، معیار، زیرمعیار و گزینهها، مقایسه زوجی بین مجموعهها برای وزندهی انجام میگیرد. در عین وزندهی به مجموعهها، تجزیه و تحلیل سازگاری قضاوتها نیز صورت میگیرد. در روش پیشنهادی با شناسایی متغیرها، تشکیل ماتریس، نرمال سازی لایهها، بدست آوردن وزن معیارها و اعمال وزن لایه ها، تعیین ایدهآل مثبت و منفی و محاسبه مقدار به مکانیابی هتلها پرداخته شد. نتایج نشان داد مهم-ترین معیار مکانیابی هتلها ارتفاع از سطح دریا و کمترین وزن هم متعلق به معیار انتقال نیرو است. تفاصيل المقالة

اخیرا، یک روش موثر برای طبقه بندی طیفی-مکانی با استفاده از قطعه بندی هرمی (HSEG) رشد یافته از نشانه های انتخاب شده ارائه شده است. هدف این مقاله بهبود این روش برای طبقه بندی تصاویر فراطیفی در مناطق شهری است. ابتدا الگوریتم ژنتیک وزن دار (WG) برای بدست آوردن باندهای بهینه داده های فراطیفی استفاده می شود. الگوریتم HSEG مبتنی بر نشانه سپس بر ویژگی های بدست آمده پیاده سازی می شوند. در ادامه، ویژگی های زمینه ای از تصاویر قطعه بندی شده استخراج می شوند. برای ویژگی های مکانی، ویژگی های مساحت، آنتروپی، شکل، مجاورت و رابطه به عنوان اجزای بالقوه در فضای ویژگی در نظر گرفته شده اند. سرانجام ، با استفاده از هر دو ویژگی طیفی و مکانی، اشیا تصویر توسط یک طبقه بندی کننده مبتنی بر قانون طبقه بندی می شوند. آزمون ها بر روی دو مجموعه داده اعمال شد: Berlin و Quebec City، که دو مجموعه داده شناخته شده و بنچ مارک در تصاویر فراطیفی هستند. ارزیابی نتایج نشان داد که روش پیشنهادی به ترتیب برای این مجموعه داده ها به ترتیب از 16٪ و 9٪ دقت کلی بهتری نسبت به الگوریتم HSEG اولیه به دست می آورد. تفاصيل المقالة