پایان نامه ها و مقالات

سطح دقیقه منجر به رفتارهای نوساناتی بسیار شدیدی می‌شود که اطلاعات مفیدی را در اختیار نخواهند گذاشت. به بیانی دیگر، بدیهی است که رفتار جریان‌های ترافیکی در طی چند دقیقه‌ی متوالی، تغییر بخصوصی نخواهند داشت. بر همین اساس، در دیگر تحقیقات نیز پارامترهای ترافیکی را در بازه‌های زمانی طولانی‌تری در نظر می‌گیرند. بنابراین، در اینجا نیز لازم است یک مرحله گردآمدگی روی داده‌ی اولیه انجام می‌شود. در این راستا، تعیین سایز گردآمدگی باید نَه بقدری بزرگ باشد که منجر به از دست رفتن اطلاعات مفید میشود و نه به اندازه‌ای کوچک باشد که منجر به تولید اطلاعات تکراری و افزایش بُعد شود.
از آنجا قرار است از هر پنجره 30-دقیقه‌ای، یک نمونه( یک بردار ویژگی) استخراج شود، سایز گردآمدگی میتواند مقادیر 3، 5، 6 ،10، 15و 30 ( مقسوم 30) باشند که به ترتیب منجر به تولید بردارهای ویژگی با اندازههای 200، 120، 100، 60، 40و 20 مقداری میشوند [18]. بنابراین سایز بردار ویژگی وابسته به سایز گردآمدگی است. به منظور درک بیشتر توضیحات گفته شده در خصوص اعمال سایزهای مختلف گردآمدگی، در شکل (5-1) مراحل استخراج ویژگی برای سایز گردآمدگی 15=s که منجر به ساخت بردار ویژگی 40-مقداری می‌شود، به صورت نمادین آورده شده است.

شکل5-1 .مثالی از چگونگی اعمال مراحل گردآمدگی با سایز15=s و استخراج بردار ویژگی با سایز 40.

به بیانی دقیق‌تر، برای اعمال گردآمدگی با سایز 15=s بر روی یک پنجره 30-دقیقه‌ای، رکوردهای 1 تا 15 ( مربوط به 20 مسیر) و رکوردهای 16 تا 30 ( مربوط به 20 مسیر) با هم جمع بسته میشوند و 2 بردار 20 مقداری تولید میکنند که با کنار هم قرار دادن آنها یک بردار ویژگی 40-مقداری برای پنجره مربوطه بدست خواهد آمد. اعمال سایزهای مختلف گردآمدگی، نتایج متفاوتی را در میزان خطا ایجاد می‌کند. شکل (5-2) نیز روند تغییرات میانگین RMSE را با توجه به سایزهای مختلف گردآمدگی نشان می‌دهد. همانطور که در شکل (5-2) مشخص است، کمترین خطا مربوط به اعمال سایز گردآمدگی 10-دقیقه‌ای است. هرچند که کمترین خطا در روش RF Ensemble of با سطح گردآمدگی s=15 بدست آمده است.

شکل 5-2. مقایسه میانگین RMSE روش پیشنهادی و روش Of RF Ensemble با اعمال سایزهای گردآمدگی متفاوت. سایز گردآمدگی از 3 تا 30 دقیقه، متغیر است.

در راستای توجیه بهترین نتیجه که حاصل اعمال سایز گردآمدگی 10=s است، می‌توان گفت که در واقع با اعمال این سایز، مقادیر بردار ویژگی هم Horizen با بردارهای هدف است. به بیانی دقیق‌تر، چون قرار است بردارهای هدف، جمع نرخ ترافیکی مسیرها در بازه‌ی زمانی 41-50 (10-دقیقه‌ای) باشند، پس در نظر گرفتن نرخهای ترافیکی مربوط به جمع 10-دقیقه‌ای در بردارهای ویژگی، تطابق بیشتری با بردارهای هدف داشته و منجر به یادگیری بهتر و خطای کمتر میشود.

استخراج مجموعه‌های نمونه‌های آموزشی

نظر به حجم بالای داده ترافیکی ، مقیاس پذیری متدهای ارائه شده ، از مسائل مطرح در این حوزه است . در روش [18]، مجموعه نمونه‌های آموزشی (ماتریس‌های ویژگی) با سایزهای متفاوتی، از فایل پایگاه داده استخراج شد . این مجموعه‌ها با عنوان A ، B وC به ترتیب شامل 1000 ،11000 و 55000 نمونه‌ی آموزشی هستند. همانطور که مشخص است، یادگیری با استفاده از هر کدام از مجموعه‌ها، مقیاس‌پذیری متفاوتی را در اختیار می‌گذارد. از آنجا که در نهایت، قرار است تکنیک پیشنهادی با این الگوریتم مقایسه شود، بنابراین ما نیز این مجموعه‌های آموزشی را استخراج و برای یادگیری بکار گرفتیم. در این زیر فصل، به بیان چگونگی استخراج این مجموعه‌های آموزشی می‌پردازیم.
در بخش پایگاه داده توضیح داده شد که داده‌ی ارائه شده بعنوان داده‌ی آموزشی، شامل 60000 رکورد یعنی 100 سایکل 10- ساعته میباشد . با توجه به این که قرار است با داشتن نیم ساعت اول هر پنجره ، نیم ساعت بعدی را پیشبینی کرد ، بنابراین از هر پنجره 60- دقیقهای باید یک نمونه استخراج کرد. اگر پنجرههای استخراج نمونه را بدون overlap در نظر بگیریم و از هر 60-دقیقه، یک نمونه (یک بردار ویژگی) مطابق با روش توضیح داده شده در بخش 4 ، استخراج کنیم، در نهایت به ازای 60000 رکورد (دقیقه) (کل داده آموزشی)، 1000 نمونه‌ی آموزشی خواهیم داشت که بعنوان مجموعه نمونه‌های آموزشیA (یا Set A) در نظر گرفته میشود.
با حرکت دادن پنجره‌ی استخراج نمونه و تغییر نقطه‌ی شروع و پایان این پنجره میتوان تعداد نمونه‌های آموزشی متفاوتی را از فایل داده های آموزشی استخراج کرد. واضح است که در این صورت پنجرههای استخراج نمونه با هم overlap خواهند داشت. برای بدست آوردن مجموعه نمونه‌های آموزشی B یا (Set B) ، به جای استخراج یک نمونه از یک بازه 60-دقیقه‌ای، پنجره‌ی استخراج ویژگی را روی این بازه حرکت میدهیم که در این صورت 11 نمونه‌ی آموزشی از هر یک ساعت استخراج خواهند شد. بدین ترتیب، برای 1000 بازه‌ی یک ساعته، 11000=1000ₓ11 نمونه بدست خواهد آمد. به منظور درک بیشتر نحوه‌ی ساخت مجموعه‌های نمونه آموزشی، مرحله‌ی استخراج نمونه مجموعه آموزشی B بطور مثال در شکل (5-3) بصورت نمادین آمده است.

شکل 5-3- مراحل نمادین استخراج مجموعه نمونهی آموزشی B.

در حالتی دیگر اگر پنجره استخراج ویژگی را روی بازه‌ی مربوط به یک سایکل که 600 دقیقه است، حرکت دهیم (با شیفت 1-دقیقه‌ای پنجره استخراج ویژگی)، به ازای هر سایکل 550 نمونه‌ی آموزشی و در نهایت به ازای 100 سایکل 55000=1000ₓ55 نمونه‌ی آموزشی خواهیم داشت که مج
موعه‌ی نمونه‌های آموزشی C را تشکیل می‌دهند[18]. در زیر فصل بعد، نتایج یادگیری الگوریتم‌های متفاوت بر روی این مجموعه‌ها آورده شده است.

نتایج یادگیری الگوریتم بر روی مجموعه‌های نمونه‌های آموزشیA,B,C

در شکل (5-4) کارایی تکنیک پیشنهادی بر روی داده‌ی آزمایشی در مقایسه با نتایج پیاده سازی ما از روش Ensemble Rf را می‌بینیم.

شکل 5-4- مقایسه خطای RMSE مربوط به تکنیک پیشنهادی و روش Ensemble RF، که برای مجموعه نمونه‌های آموزشی A,Bو C که به‌ترتیب شامل 1000, 11000 و 55000 نمونه‌ی آموزشی هستند. تکنیک پیشنهادی کاهش خطای چشمگیری بر روی مقیاس‌پذیرترین مجموعه یعنی مجموعه A داشته است.

لازم به ذکر است که روش Ensemble RF در مسابقه ICDM سال 2010 مقام سوم را کسب کرد. همانطور که در شکل واضح است، تکنیک پیشنهادی قادر به کاهش خطای چشمگیری، خصوصا بر روی مجموعه‌ی A شده است که کوچکترین سایز را در مقایسه با دیگر مجموعه‌های B و C دارد. اهمیت این نتیجه بدین دلیل است که سایز مجموعه‌های B و C، همانطور که در [18] مورد نقد و اشاره قرار گرفته، از جمله محدودیت‌های آن روش بحساب می‌آید، چرا که با افزایش تعداد مسیرها (ATRs) احتمالا متد ارائه شده در [18] مقیاس‌پذیری مناسبی نخواهد داشت. با این حال، برای رسیدن به کارایی بالاتر، تکنیک پیشنهادی بر روی مجموعه‌های B و C و ترکیب B و C اعمال شد که نتایج آن را در شکل (5-4) می‌بینیم. واضح است که بر روی 4 مجموعه، تکنیک پیشنهادی، کاهش خطای قابل ملاحظه‌ای دارد. هرچند بهترین نتایج هر دو روش از اعمال الگوریتم بر روی ترکیب مجموعه (B & C) می‌باشد. لازم به ذکر است که این میزان خطا در مقایسه با برترین نتایج مربوط به مسابقه ICDM(2010)، نتایج قابل مقایسه‌ای دارد.

فصل ششم

بنابراین، این سایکلها در این پایگاه داده‌ی مصنوعی میتوانند معادل با روزهای متفاوت در پایگاه دادههای واقعی در نظر گرفته شوند.
نکته قابل اشاره دیگر اینست که، همانطور که می‌دانیم و همچنین در تحقیقات مرتبط با این حوزه اشاره شده است، ساعت‌های اوج ترافیکی، ساعتهای همزمان با شروع فعالیت های روزانه، همچون رفتن به سر کار، مدارس و … تعریف می‌شوند. همچنین، مسئله وقوع اوج ترافیک، تقریباً 2 بار در طول روز تکرار میشود که بسته به کشور و شهر و فرهنگ آنها، ساعت‌های رخداد آنها متفاوت می‌باشند. بطور مثال در [22] ساعت‌های رخداد پیک صبحگاهی165(6 تا 9) و پیک عصر166 (15:30 تا 18:30) در نظرگرفته‌شده‌است. همچنین در [43] این ساعات به ترتیب (8 تا 9:30) و (16 تا 18) ، در [44] پیک صبحگاهی (6 تا 10) و در دیگر تحقیقات این پریود (7:15 تا 9:15) گزارش شده‌اند. هرچند وجه مشترک همه‌ی جریان‌های ترافیکی، وقوع 2 بار اوج ترافیکی است که به ساعات هجوم167 مشهورند (صبح و عصر) . بنابراین در طی 24 ساعت معمولاً دو پیک در رفتار جریانهای ترافیکی مشاهده میشود. هرچند، داده‌ی مورد بررسی حاصل اجرای سایکلهای به طول 10ساعت هستند، بنابراین احتمال وجود 1 پیک در طول بازه 10 ساعته، مطابق با انتظار است. چرا که در داده‌های واقعی نیز غالباً، فاصله‌ی شروع پیک صبحگاهی تا پیک عصر، بیش از ده ساعت میباشد. مطابقاً در نمودار (4-5) نیز در طی یک سایکل، یک پیک مشاهده میشود.

مرحله پیش پردازش و استخراج ویژگی

همان طور که در قسمت توضیح پایگاه داده، اشاره شد، دادههای نرخ ترافیکی در بازههای 1-دقیقهای ثبت شده‌اند. هرچند ارائهی داده در این سطح، علاوه بر افزایش بُعد منجر به نوسانات رفتاری شدید و جریانهای ترافیکی میشود (این موضوع نیز در نمودار (4-4) به وضوح دیده می‌شود). از طرف دیگر، در اکثر تحقیقات، داده‌ها در غالب بازه‌های 3-دقیقه‌ای یا بازه‌های طولانی‌تر ارائه شده‌اند. بنابراین یک مرحله گردآمدگی نیاز است، تا دادهها به بلاک های طولانیتر تبدیل شوند [19]. در تعیین سایز گردآمدگی باید نکاتی لحاظ شود. در واقع سایز گردآمدگی باید بقدری طولانی باشد که منجر به اطلاعات تکراری نشود، اما طول آن نباید بقدری بزرگ باد که موجب از بین رفتن اطلاعات مفید شود. در طی آزمایشات مختلف، مرحله‌ی گردآمدگی با سایزهای ممکن انجام شد که از میان آنها سایز 10 و 15-دقیقهای کارآیی بهتری نسبت به دیگر سایزها داشت. به بیانی دقیق‌تر، هر 10 یا 15 رکورد (دقیقه)های پشت سر هم با هم جمع بسته شده ودر غالب یک رکورد یا بردار نمایش داده میشوند.
در نهایت، با اعمال این مرحله بطور نمونه می‌توان، داده‌های هر یک ساعت را با 6 رکورد به جای 60 رکورد نمایش داد. در نموادر شکل (4-6) نمایی از این مرحله را میبینیم.

شکل 4-6. نمایش نمادین روند انجام مرحله گردآمدگی با سایز نمونه‌ی 10-دقیقه‌ای. در این مرحله، جلوگیری از افزایش بُعد و رفتارهای نوساناتی شدید که حاوی اطلاعات مفید نیستند.
پس از اعمال پیش پردازش با هدف کاهش بُعد، لازم است برای آموزش مدل از دادههای موجود، خصیصه168 استخراج کنیم. در این راستا از هر پنجره‌ی 60-دقیقهای مربوط به داده‌های آموزشی، نیم ساعت اول به منظور ساختن بردار خصیصه‌ها و نیم ساعت دوم برای ساختن بردار هدف در نظر گرفته میشود. همانطور که مشخص است، از 6 بردار حاصل از گردآمدگی دادههای یک ساعت، بردار پنجم که جمع رکوردهای 41-50 است، بعنوان بردار هدف و بردار اول، دوم و سوم بعنوان بردارهای خصیصه در نظر گرفته می‌شوند. از آنجا که بطور معمول یک نمونهِ آموزشی، تحت تنها یک بردار ارائه میشود، پس بردار یکم و دوم و سوم را به دنبال هم قرار داده و یک بردار ویژگی 60 =20×3 مقداری تشکیل می‌دهیم. فرمت بردارهای هدف و خصیصه را در غالب فرمول‌های (4-5) و (4-6) به ترتیب می‌بینیم.

(4-5)

(4-6)

بدین ترتیب، اگر همین روند را بر روی دادههای هر ساعت دنبال کنیم و از هر ساعت یک نمونه آموزشی استخراج کنیم، از کل مجموع داده های آموزشی که 100 سایکل 10-ساعته بود، 1000 نمونه حاصل خواهد شد. بدین طریق، ماتریس خصیصه‌ی X یک ماتریس 60×1000 و ماتریس هدف Y یک ماتریس 20×1000 خواهد بود که هر ستونِ آن معادل با نرخ ترافیک در خیابان معادل آن ستون است.
مرحله‌ی پیش پردازش (شامل کاهش بُعد و استخراج خصیصه) نیز با همین روند، بر روی دادههای خام آزمایشی نیز اعمال شده است. در واقع از هر پنجره 30-دقیقه‌ای، 3 بردار (رکورد) حاصل و یک نمونه‌ی آزمایشی 60 =20×3 بدست میآید. بدین ترتیب، 1000 پنجره 30 دقیقهای آزمایشی، منجر به تشکیل 1000 نمونه‌ی آزمایشی خواهند شد.
مرحله تقسیم بندی به context های مختلف
در مراحل ابتدایی به بررسی رفتار جریان‌های ترافیکی قبل از انجام پیش پردازشها و نمونه برداری از داده‌ها، پرداختیم و روند تغییرات ما را به این نتیجه رساند که در مدلسازیها، از تأثیر تغییرات این روندها استفاده کنیم. آنچه واضح است این است که مدل‌های نهایی روی مشاهدات (نمونههای) حاصل از مرحله پیشپردازش آموزش داده خواهند شد، بنابراین اعمال نتایج بررسی رفتارها، عملاً در این فاز باید تزریق شود که در این راستا، مرحله گروهبندی مشاهدات اعمال خواهد شد. طبیعتاً اساس گروهبندی بر مبنای شباهت رفتاری جریان‌ها، صورت می‌گیرد.
آنچه در ابتدای گروه بندی لازم به تعیین است، مشخص کردن تعداد گروهها میباشد. بطور معمول در دیگر تحقیقات یک فاز کلاستربند
ی بصورت کامل انجام می‌شود که منجر به تولید تعداد زیادی گروه می‌شود و معمولاً در هر گروه مشاهدات 1-ساعتی یا نیم ساعتی مشابه قرار می‌گیرند. اعمال مشابه این روند و قرار دادن مشاهدات یک ساعتی در گروه‌ها در خصوص داده مورد استفاده، در نهایت منجر به تولید 10 گروه می‌شد. هرچند آزمایشات نشان داد، که تنها متمایز کردن مشاهدات مربوط به ساعات اوج پیک از دیگر مشاهدات کافیست و نتایج بهتری با در نظرگرفتن تنها 2 context، بدست خواهد آمد. در واقع همانطور که در شکل می‌بینیم، تقریباً در همه خیابانها، پیک اول در ساعتهای یکسانی وجود دارد. هرچند رفتارهای مشابه دیگری نیز در ساعتهای بعدی مشاهده میشود، اما در خیابانهای مختلف در ساعات مختلف رخ میدهد. بنابراین به این نتیجه رسیدیم که مشاهدات مربوط به ساعات اولیه سایکلها که مربوط به پریود اوج پیک میشوند را در یک گروه و مشاهدات 9 ساعت باقیمانده از سایکلها را در یک گروه قرار دهیم.
در مورد دادههای آموزشی، چون دادهها از اجرای 10-ساعت پشت سر هم بوجود آمده اند، لذا جدا کردن ساعات اولیه سایکلها به سادگی صورت میگیرد. اما از آنجا که دادههای آزمایشی مستقل هستند و ترتیب آنها و اینکه متعلق به کدام ساعت از اجرای سایکل‌ها هستند، مشخص نیست، لازم است تا معیار شباهت مناسبی تعیین شود تا قادر به متمایز کردن و مشخص کردن تعلق مشاهدات بهcontext های مختلف باشد. همان طور که میدانیم تعیین معیار سنجش فاصله مناسب به (1) ماهیت داده‌ی و (2) مسئلهی مورد بررسی، بستگی دارد که برای تعیین این موضوع، آزمایشاتی صورت گرفت و قابلیت معیارهای سنجش فاصله مختلف، بر روی جریانهای ترافیکی بررسی شد.
نتایج حاصل حاکی از آن بود که، بر خلاف آنکه از جمله خصوصیات مطلوب یک معیار سنجش فاصله در اکثریت کاربردها، حساس نبودن آن معیار نسبت به مسئله شیفت169 است، اما در این مسئله‌ی بخصوص، (1) معیار مناسب باید نسبت به مسئله شیفت حساس باشد. در واقع از آنجا که هدف این مرحله تمیز دادن مشاهدات مربوط به پریود پیک و غیرپیک است و تفاوت این مشاهدات نرخ ترافیکی متفاوت می‌باشد، پس اگر معیار مورد استفاده به مسئله شیفت حساسیت نداشته باشد، قادر به متمایز کردن مشاهدات این دو context نمیباشد. بعنوان مثال، در نمودار الف از شکل (4-7) ،پترن‌های (مشاهدات) 1 و 2 به نظر یکسان میرسند، هرچند معیار مورد استفاده نباید آنها را در یک context قرار دهد.

(الف)
(ب)
شکل 4-7. نمودار الزامات لازمِ یک معیار شباهت مناسب برای این مسئله. طبق (الف) معیار باید حساس به شیفت و طبق (ب) معیار نباید تطابق جزئی انجام دهد تا بتواند پترهای 1و2و3و4 را در context های مجزا قرار دهد.

از طرف دیگر (2) معیار اعمالی نباید تطابق جزئی170 انجام دهد. دلیل اصلی آن، این است که محدوده‌ی تغییرات نرخ ترافیک هر خیابان، رنجِ مشخصی دارد که حتی در زمان اوج ترافیک با ضریب معینی افزایش می‌یابد. برای وضوح بیشتر نمودار (ب) در شکل (4-7)، دو پترن را نشان میدهد که نباید توسط معیار اعمالی در یک contex یکسان قرار گیرد.
از آنجا که زمان مربوط به دادههای آزمایشی مشخص نیست ، به منظور مقایسه‌ی معیارهای سنجش فاصله مختلف ، آزمایشاتی روی دادههای آموزشی که زمان رخداد آنها در طول سایکل مشخص است، انجام شد و تعیین شد که هر کدام از معیارها تا چه حد میتوانند زمان مربوط به رخداد مشاهدات را درست تعیین کنند و مشاهدات را در context درست دستهبندی کنند. از میان آنها، دو معیار اقلیدسی171 و همچنین Kullback–Leibler divergence، بهتر از دیگر معیارها عمل کردند که نتایج مربوطه را دفصل بعد خواهیم دید.
همانطور که می‌دانیم، معیار اقلیدسی، فاصله‌ی دو مشاهده‌ی Y و X با طول n را بصورت فرمول (4-7) محاسبه میکنند:
(4-7)

که در این فرمول i نشان دهنده iاَمین مقدار از بردارهای مشاهدات ترافیکی است.
در دیگر تحقیقات [45] و [46] نیز همین نتیجه گیری تأیید شد که برای تعیین شباهت مشاهدات، معیارهای دیگر بهبود قابل ملاحظهای در مقایسه با معیار اقلیدسی ایجاد نمی‌کنند. در واقع، همانطور که توضیح دادیم، دلیل اصلی این است که معیار اقلیدسی از جمله معیارهایی است که نسبت به هرگونه تغییرات در مقیاس172 و شیفتِ مسئله، حساس هست. اما این خصوصیت از جمله ویژگیهای مطلوب یک معیار کاربردی در زمینه‌ی جداسازی مشاهدات ترافیکی بحساب می‌آید. در کنار معیار اقلیدسی، معیار مناسب دیگر Kullback–Leibler divergence هست که تفاوت بین دو توزیع اجتماعی Q,P را بصورت فرمول (4-8) محاسبه می‌کند:
(4-8)
KL(p,q)= ∑_i▒(p_i log⁡〖p_i/q_i 〗+q_i log⁡〖q_i/p_i 〗 )
که i نشان دهنده iاُمین مقدار از بردار مشاهدات است. در راستای اعمال این معیار به مسئله‌ی مورد نظر، مشاهدات ترافیکی باید به برداری از احتمال نرخ ترافیک در خیابانها، تبدیل می‌شدند. در نهایت و با توجه به نتایج فصل بعد، می‌توان گفت که از این دو معیار می‌توان در کنار هم، در جهت گروه بندی و تشخیص context مربوط به مشاهدات ترافیکی استفاده کرد. با اعمال معیار فاصله اقلیدسی، دوcontext حاصل بصورت نمودارهای شکل (4-8) بدست می‌آیند.

(الف)
(ب)
شکل 4-8. جریانهای ترافیکی مشاهده شده‌ی20 مسیر، تقسیم شده به دو context (الف) جریانهای مربوط به پریودهای اوج و (ب)پریودهای غیر اوج. غالب مشاهدات مربوط به contextِ پیک، رفتار بسیار مشابهی دارند. رنگ‌های مختلف در شکل بیانگر مشاهدات مختلف است.

نمودار الف در شکل (4-8) مربوط به گروهی است که مشاهدات مربوط به پریود اوج ترافیکی(peack
context) را در بر می گیرد و نمودار ب در شکل (4-8)، مشاهدات مربوط به پریودهای غیرپیک non-pank context را شامل میشود. در این نمودارها، هرکدام از توزیع‌های رنگی، نمایانگر یک مشاهده -شامل نرخ ترافیکی 20 مسیر- است. همان طور که در نمودار الف از شکل (4-8) میبینید، مشاهداتِ مربوط به گروه پیک، رفتار بسیار مشابهی دارند، بطوریکه تقریباً منحنی 100 مشاهده‌ی موجود در این گروه، روی هم قرار گرفته اند. این موضوع بیانگر این است که در پریود زمانی اوج ترافیک، نرخ ترافیکی مربوط به هرکدام از خیابانها رنج محدود و مشخصی دارد. هرچند رفتارهای متفاوتی در میان مشاهدات مربوط به گروه غیرپیک در نمودار ب شکل (4-8) دیده میشود. بطور مثال، خیابان 3 در هر دو گروه را در نظر بگیرید، در گروه پیک، رنجِ نرخ ترافیک مربوط به مشاهدات مختلف ، بسیار محدود (24-19) است. هرچند، در دسته‌ی غیرپیک، همین خیابان نرخِ ترافیکی مختلفی را تجربه میکند که در رنج محدودی ومعینی قرار نمیگیرد. این رفتار در مورد دیگر خیابان‌ها نیز صدق می‌کند. برهمین اساس و با توجه به تفاوتهای قابل ملاحظه‌ی این دو گروه، پیشنهاد می‌شود که مشاهدات مربوط به پریودهای زمان اوج پیک از دیگر مشاهدات متمایز و تفکیک شده و بصورت جداگانه آموزش داده شوند. با این کار مشاهدات شبیه هم در یک گروه قرار گرفته و سپس با هم آموزش داده میشوند. علاوه بر این، از تأثیر مشاهدات غیر مرتبط با آن پریود زمانی، بر روی پروسه‌ی یادگیری کاسته میشود.
بدین ترتیب، با مشخص شدن گروه‌ها، مدل آموزشی هنگام یادگیری، از context مجموعه‌ی آموزشی خود باخبر بوده و در نتیجه مدلسازی با دقت بالاتری صورت خواهد گرفت.

مرحله یادگیری با Context-Aware Random Forest
در این مرحله، ابتدا گروههای متمایز شده از دادههای آموزشی، بطور جداگانه با استفاده از الگوریتم RF آموزش داده میشوند و دو مدل RF2 , RF1 که متعلق به پریودهای زمانی پیک و غیرپیک هست، ساخته میشوند.
پس از آن، با آمدن هر نمونه‌ی آزمایشی، شباهت آن با مشاهدات موجود در گروههای دادههای آموزشی سنجیده شده و به هرکدام که نزدیکتر بود، با مدل ساخته شده روی آن گروه، پیشبینی میشود. بدین ترتیب پیشبینی در دو سطح صورت میگیرد: (1) در سطح اول مشخص میشود که جریان ترافیکی متعلق به کدام context است و در سطح بعد (2) نرخ ترافیک مربوط به دقایق آینده پیشبینی میشود. بطور واضحتر، اگر قرار باشد نرخ ترافیکی مربوط به نمونهای که زمان رخداد آن در پریودهای پیک بود، پیشبینی شود، بهتر است از مدلی استفاده شود که روی نمونههایی که در همان پریود زمانی در دیگر روزها ثبت شده، آموزش داده شده‌اند. همچنین اگر زمان رخداد نمونه‌ی آزمایشی مربوط به پریودهای غیرپیک باشد، بهتر است مدل آموزشی مورد استفاده، مشاهدات ترافیکی که متعلق به پریودهای اوج پیک هستند را شامل نشود. با اعمال این مراحل میتوان رفتار و روند جریانهای ترافیکی را در ساخت مدل آموزشی، تأثیر داد.
همان طور که در فصل 2 توضیح داده شد، رندوم فارست از جمله الگوریتمهای داده کاری محسوب میشود که امروزه گرایش زیادی به سمت آن دیده میشود. کاربرد این متد اغلب در خصوص دادههای با سایز بزرگ، ماننده داده‌های مربوط به بازار سهام، بازار بورس و به خصوص داده های حجیم

یانگین خطای الکوریتمهای مختلف weka 64
جدول شماره 5-2: مقایسه خطای الگوریتم بگینگ و رندوم فارست 66

فهرست شکل‌ها

عنوان صفحه
شکل 1-1: معماری کلی مربوط به متدهای یادگیری تجمعی 6
شکل 2-1: معماری کلی الگوریتم بگینگ 14
شکل 2-2: نمایی کلی از الگوریتم رندوم فارست 16
شکل 2-3: معماری کلی مربوط به الگوریتم رندوم فارست 20
شکل 4-1: صفحه‌ی نمایش شبیه ساز ترافیک TSF 42
شکل 4-2: نقشه‌ی شهر Warsaw، اعمال شده بهTSF 43
شکل 4-3: نمایش نمادین اعمال تکنیک پیشنهادی 46
شکل 4-4: توزیع جریان‌های ترافیکی مسیرها 47
شکل 4-5: ارائه‌ی دید دقیق‌تر در خصوص رفتار جریان‌های ترافیکی 48
شکل 4-6: نمایش نمادین روند انجام مرحله گردآمدگی 50
شکل 4-7: نمودار الزامات معیار شباهت مناسب 53
شکل 4-8: جریانهای ترافیکی مسیرها مربوط به دو context 55
شکل 5-1: مثالی از چگونگی اعمال مراحل گردآمدگی 68
شکل 5-2: مقایسهی خطا روشها با اعمال سایزهای مختلف گردآمدگی 69
شکل 5-3: مراحل نمادین استخراج مجموعه نمونه آموزشی 71
شکل 5-4: مقایسه خطای تکنیک پیشنهادی و روش Ensemble RF 72

فصل اول

مقدمه

تعریف مسئله

امروزه، با توجه به گسترش روزافزون مطالبات حمل‌ونقل و بروز مشکلات ناشی از افزایش ترافیک شهری، ازجمله آلودگی هوا، آلودگی صوتی، مصرف سوخت، اتلاف وقت و انرژی و هزینه‌های تحمیلی آنها، ارائه راهکار مناسب درجهت روان شدن ترافیک از اهمیت ویژه‌ای برخوردار است. از طرفی باتوجه به محدودیت‌های امکانات شهرسازی در مقابل تقاضای انبوه وسایل نقلیه، لازم است تا تمهیداتی کاربردی و امکان‌پذیر برای حل این معضل درنظر گرفته ‌شود. ازآنجا که تاکنون فناوری اطلاعات1 نقش مؤثری درعرصه‌های مختلف صنعتی ایفا کرده است، ورود این تکنولوژی در زمینه‌ی سیستم‌های حمل‌ونقل نیز بعنوان راهکاری مناسب مورد توجه قرارگرفت و منجر به پدیدآمدن سیستم‌های حمل‌ونقل هوشمند2 شد. در واقع تکنولوژی فناوری اطلاعات به عناصر سیستم حمل‌ونقل این امکان را می‌دهد تا با بکارگیری حسگر3ها و میکروچیپ‌ها و ارتباط آنها از طریق تکنولوژی بیسیم4، تبدیل به یک سیستم هوشمند شوند. امروزه سیستم حمل‌ونقل هوشمند با تشکیل سامانه‌ای متشکل از حسگرهای دریافت داده، سامانه‌های پردازش اطلاعات و سامانه‌های ارائه‌ی اطلاعات به استفاده کنندگان، گامی مؤثر در راستای مدیریت سیستم حمل‌ونقل و استفاده هوشمندانه از زیرساختارهای موجود، برداشته است [1]. بطور مثال این سیستم با بکارگیری فناوری‌های متفاوتی همچون هدایت خودرو و سیستم کنترل چراغ‌های راهنمایی، تابلوهای اعلان ترافیک، دوربین سرعت‌سنج و سیستم خودکار شناسایی شماره‌ی خودرو گرفته تا سیستم‌های پیشرفته و پیچیده‌تری که بطور همزمان اطلاعات متفاوتی مانند وضعیت آب و هوا، وضعیت ترافیک، وضعیت جاده‌ها را از منابع متفاوت یکپارچه میکند، کنترل این حوزه را بدست‌ گرفته‌ است. از جمله دستاوردهای مهم بکارگیری سیستم حمل‌ونقل هوشمند می‌توان به کاهش ترافیک، کاهش حوادث و تصادفات، امکان انتخاب مسیرهای بهینه با توجه به وضعیت مسیرها، مدیریت حمل‌ونقل عمومی و وسائل نقلیه‌ی امدادی و همچنین امکان اخذ الکترونیکی مواردی همچون عوارض، هزینه‌ی پارکینگ و خرید بلیط که منجر به صرفه جویی در سوخت وانرژی و کاهش هزینه‌های تحمیلی میشود، اشاره کرد. عموماً سیستم‌های حمل ونقل هوشمند را تحت عنوان پنج گروه اصلی بررسی میکنند که هرکدام حوزه‌های مختلف از این سامانه را شامل میشوند؛
الف) سامانه‌های پیشرفته‌ی اطلاعات مسافرتی5(ATIS) که وظیفه‌ی آن فراهم آوردن اطلاعات وضعیت فعلی ترافیکی و جوّی جاده‌ها، تصادفات و تعمیرات جاده‌ای و همچنین اطلاع رسانی به مسافران و کاربران بمنظور استفاده‌ی بهینه از مسیرهای موجود و برقراری تعادل ترافیکی می‌باشد.
ب) سامانه‌های پیشرفته‌ی مدیریت ترافیک6 (ATMS)که اطلاعات ترافیکی جمعآوری شده از منابع مختلف را بررسی و یکپارچه کرده و از طریق ابزارهای کنترل ترافیک مانند سینگال‌های ترافیکی، کنترل رمپ7 ورودی بزرگراه ها به منظور حفظ تراکم و تابلوهای اطلاع رسانی متغیر موجود در جاده‌ها، کنترل جریان ترافیکی را در دست می‌گیرند.
ج) سامانه‌های پرداخت الکترونیکی8 (EPS) که شامل سیستم جمع‌آوری الکترونیکی عوارض9(ETC)، سامانه‌های پرداخت عوارض بمنظور استفاده از خطوط ویژه‌ی وسایل نقلیه پرسرنشین10 توسط وسایل تک سرنشین و همچنین قیمت‌گذاری مسیر11 و خطوط پرترافیک می‌باشد.
د) سامانه‌های پیشرفته و هوشمند حمل‌ونقل همگانی12 (APTS)اموری در جهت تسهیل ارائه‌ی خدمات حمل‌ونقل عمومی همچون تعیین موقعیت خودکار13 وسیله نقلیه و اطلاع رسانی به مسافران، خدمات رزرو و تعیین کرایه را نیز شامل می‌شود.
ه) سامانه‌های پیشرفته‌ی کنترل وسائل نقلیه(AVCS)14 که شامل سامانهی انطباق هوشمند سرعت15(ISA)، سامانه‌های هشدار و پیشگیری از تصادفات می‌شوند.
در حوزه‌یAITS وATMS، پیش‌بینی کوتاه مدت ترافیک از عناصر مهم موفقیت سیستم‌های حمل‌ونقل هوشمند محسوب می‌شود، چرا که در راستای کنترل ترافیک نه تنها وضعیت فعلی ترافیک بلکه وضعیت آینده‌ی ترافیک نیز حائز اهمیت است. از این رو الگوریتم‌های پیش‌بینی ترافیک مورد توجه ویژه‌ای در میان مح
ققان این حوزه قرار گرفتند.

چالش‌های مسئله

همانطور که پیشتر بیان شد، مراکز کنترل ترافیک بر اساس جمعآوری آمار و اطلاعات ترافیکی، پردازش و یکپارچه سازی آنها، تصمیمات لازم جهت مدیریت و کنترل ترافیک را اتخاذ می‌کنند. در راستای بهبود کنترل ترافیک، ATIS و ATMS بعنوان اصلیترین اجزاء سیستم حملونقل هوشمند، علاوه بر وضعیت فعلی ترافیک، به وضعیت آینده ترافیک نیز احتیاج دارند. ازین‌رو پیشبینی وضعیت آینده ترافیک از جمله مباحث مهم برای این مراکز به حساب می‌آید تا با استفاده از آن استراتژی‌های لازم جهت جلوگیری از تراکم و هشدار به رانندگان جهت انتخاب مسیر بهینه، صورت گیرد. تاکنون تحقیقات متعددی در خصوص پیش‌بینی وضعیت ترافیکی آینده انجام شده است که در واقع با استفاده از داده‌های ثبت شده از وضعیت فعلی ترافیک، ترافیک مربوط به زمان‌های آتی را پیش‌بینی می‌کنند.
بطور معمول داده‌های جمع‌آوری شده در حوزه‌ی ترافیک، بصورت سری‌های زمانی16 در اختیار ما قرار می‌گیرند که در واقع شامل رکوردهای مختلفی هستند که در بازه های زمانی مساوی و در طی اندازه‌گیری‌های متوالی بدست می‌آیند. با استفاده از داده‌های فعلی و گذشته، مقادیر آن‌ها در آینده پیش‌بینی می‌شوند [2]. تاکنون تکنیک‌های متفاوتی در زمینه‌ی پیش‌بینی ترافیک بکار گرفته شده است که از جمله‌ی آن‌ها می‌توان به روش‌های کالمن فیلترینگ17 [4,3]، متدهای آماری غیرپارامتریک [5,6] 18، روش‌های یادگیری متوالی[7] 19، مدل‌های شبکه‌عصبی20 [8-11] و آنالیزهای سری‌های زمانی[13-17] اشاره کرد. از مهمترین چالش‌های اعمال این الگوریتم‌ها، حجم بالای داده‌های ترافیکی است که منجر شده تا اخیراً گرایش تحقیقات به سمت استفاده از الگوریتم‌های داده کاوی21 باشد.
همانطور که می‌دانیم تکنیک‌های داده کاوی قابلیت استخراج اطلاعات از داده‌هایی با حجم بسیار بالا همچون داده‌های ترافیکی را دارا هستند. از میان آن‌ها روش‌های مبتنی بر درختهای تصمیم‌گیری22 بطور گسترده‌ای در حوزه‌ی ترافیک مورد استفاده قرار گرفته است[18,19]. همچنین متدهای یادگیری تجمعی23 همانند بگینگ و بوستینگ با توجه به کارایی بالا، مورد توجه ویژه‌ای واقع شدند. ایده‌ی اصلی آن‌ها ساخت مجموعه‌ای از مدل‌ها و ترکیب نتایج آن‌ها با هدف بهبود دقت24 یادگیری می‌باشد[47]. در شکل -11 معماری کلی الگوریتم‌های یادگیری تجمعی را می‌بینیم که از کتاب [20] آورده شده است.

شکل 1-1. معماری کلی مربوط به متدهای یادگیری تجمعی. در این متدها، مجموعه‌ای از کلاسه‌بندها یا مدل‌های پیش‌بینی کننده M1, M2, …, Mk تولید می‌شوند و نهایتاً با ورود نمونه‌ی ناشناخته25 ، استراتژی‌های رأی‌گیری برای ترکیب پیش‌بینی‌های مختلف مدل‌ها استفاده می‌شوند.
رندوم فارست26 یکی از مشهورترین و کاراترین متدهای مبتنی بر یادگیری تجمعی در زمینه پیش‌بینی است که توسط Leo Brieman در سال 2001 ارائه شد. رندوم فارست در واقع حالتی عمومی از متدهای بگینگ به حساب می‌آید که از مجموعه‌ای از درخت‌هایCART 27 غیر هرس شده28، تشکیل شده است [21]. در حالت رگرسیون29، جواب نهایی میانگین جواب‌های درختان و در حالت کلاسه بندی30، کلاس نهایی با توجه به اکثریت آرا تعیین می‌شود. درخت‌های CART در واقع درخت‌های تصمیم‌گیری هستند که در آن‌ها هر گره31ی والد تنها به دو بچه تقسیم می‌شود و همچنین از معیار Gini به منظور ارزیابی ویژگی ها استفاده می‌کند [20].
بطور خلاصه، اغلب روش‌های اعمال شده ، تنها بر روی اعمال الگوریتم‌های مختلف داده کاوی به مدل‌های یادگرفته شده از داده‌های پیشین32 هستند، حال آنکه با توجه به ماهیت ناپایداری و وابسته به زمان بودن جریان‌های ترافیکی33، لازم است تا قبل از یادگیری این مدل‌ها، رفتار جریان‌های ترافیکی نیز بررسی شوند. در این راستا، آنالیزهای مختلف کلاسترینگ34 نیز با هدف ثبت رفتارها و روند تغیرات جریان‌های ترافیکی انجام شد تا جریان‌های با رفتارهای مشابه قبل از یادگیری، دسته بندی شوند[22, 23]. اکثریت این دسته‌بندی‌ها بر اساس زمان‌های پُرترافیک وکم‌ترافیک صورت می‌گیرد. همانطور که می‌دانیم در طی روزهای مختلف، رفتارهای ویژه‌ای در ساعات معینی از روز دنبال می‌کنند. بنابراین تفکیک و جداسازی و یادگیری مدل‌های متفاوت بر مبنای این رفتارها، نقش مؤثری در دقت الگوریتم‌های پیش‌بینی خواهد داشت. نکته‌ی حائز اهمیت در اینجا این‌است که اغلب روش‌هایی که رفتارهای جریان‌های ترافیکی را بررسی می‌کنند تنها بر روی داده‌های واقعی یا داده‌هایی که زمان رخدادشان مشخص است، قابل اعمالند. هرچند در برخی از داده‌های جمع‌آوری شده، زمان جمع‌آوری آنها مشخص نیست. بنابراین، با توجه به اهمیت موضوع، هدف این پایان‌نامه ارائه‌ی روشی مبتنی بر الگوریتم رندوم فارست است که بدون در اختیار داشتن زمان واقعی جمع آوری داده، توزیع داده را بررسی، رفتارهای ترافیکی را تشخیص و در مرحله یادگیری از آنها استفاده می‌کند.

نگاهی به فصول پایان نامه

ادامه‌ی مطالب عنوان شده در این پایان نامه در قالب چهار فصل و بصورت زیر سازماندهی شده‌اند؛ فصل دوم با عنوان مبانی نظری تحقیق، ضمن ارائه‌ی چهارچوب‌های نظری مورد استفاده، قالب ریاضی مسئله‌ی پیش‌بینی ترافیک را مورد مطالعه قرار می‌دهد و مفاهیم اولیه و متغیرهای مسئله را مطرح می‌کند. فصل سوم نیز با عنوان پیشینه تحقیقات، ش
امل خلاصه‌ای از نظریات و مطالعات پیشین انجام شده در حوزه‌ی این پایان نامه می‌باشد که در آن متدهایی که تاکنون کاربرد گسترده‌تری داشته‌اند، در قالب سه گروه تقسیم بندی و مطالعه می‌شوند.
فصل چهارم نیز تحت عنوان معرفی تکنیک پیشنهادی، مباحثی همچون آنالیز داده‌ی مورد استفاده، ارائه توصیف کلی از هدف اصلی متد و مراحل اعمال تکنیک ارائه شده را شامل می‌شود. در راستای مطالعه و بررسی عملکرد تکنیک پیشنهادی، آزمایش‌های متعددی صورت گرفته که در فصل پنجم با نام نتایج تجربی، تحلیل ها و نتایج حاصل از اعمال این تکنیک‌ها در مقایسه با دیگر روش‌ها مورد بررسی قرار خواهند گرفت.
در نهایت، نتیجه‌گیری و خلاصه‌ای از تحلیل‌های حاصل از انجام این مطالعات، در فصل ششم ارائه خواهد شد و علاوه بر آن گام‌هایی در راستای گسترش و ادامه این تحقیق در کارهای آینده، پیشنهاد می‌شوند.

فصل دوم

مبانی نظری تحقیق

مقدمه

پیش‌بینی دقیق وضعیت ترافیکی، امری لازم و تأثیرگذار در مدیریت مؤثر سیستم‌های حمل‌ونقل هوشمند به حساب می‌آید. از آنجا که داده‌های ترافیکی معمولاً داده‌هایی با حجم بالا هستند، تکنیک‌های کاربردی و جدیدی را برای پردازش نیاز دارند. داده کاوی بعنوان یک شاخه از علم کامپیوتر اخیراً توجه زیادی را به خود جلب کرده است که در نتیجه‌ی اعمال آن، آنالیز و پردازش پایگاه داده35 های بزرگ فراهم می‌شود. در واقع متدهای داده کاوی معمولاً با هدف استخراج دانش36 و ساخت مدل از داده‌های حجیم بکار گرفته می‌شوند[24]. از میان روش‌های گوناگون داده کاوی، تمرکز تعداد قابل توجهی از تحقیقات به روی یادگیری یادگیری تجمعی 37 ، درخت‌های تصمیم‌گیری و بطور ویژه رندوم فارست38 می‌باشد که در ادامه توضیح داده خواهند شد[25].

متدهای یادگیری تجمعی

در سال‌های اخیر گرایش زیادی به سمت تکنیک‌های یادگیری تجمعی مشاهده می‌شود که ایده‌ی اصلی آن‌ها استفاده از ترکیبی از مدل‌ها به جای استفاده از یک مدل است. در واقع این متدها با هدف بهبود کارایی مدل نهایی M، مجموعه‌ای از K مدل (کلاسه‌بند یا پیش‌بینی‌کننده39) شامل را ترکیب می‌کنند[20].

تعاریف مفاهیم اولیه
کلاسه بند: فرآیند پیدا کردن یک مدل (یا یک تابع) که قابلیت توصیف داده‌ای که توسط آن آموزش دیده را دارد، می‌باشد. در نهایت از این مدل می‌توان برای پیش‌بینی کلاس مربوط به نمونه‌هایی که برچسب40 کلاس آنها مشخص نیست، استفاده کرد. مدل بدست آمده می‌تواند با فرم‌های متفاوتی از جمله قوانین کلاسه بندی (IF-THEN)41 ، درخت های تصمیم‌گیری، فرمول‌های ریاضی42، شبکه های عصبی و … ارائه شود [20].
درخت تصمیم‌گیری: در واقع یک ساختار درختی شبه فلوچارت43 می‌باشد که هر گره44ی تصمیم، نمایانگر یک تصمیم‌گیری روی مقادیر یک ویژگی است و هر شاخه45 بیانگر نتیجه آن تصمیم‌گیری است. همچنین برگ46های یک درخت، برچسب کلاس‌ها یا توزیع‌های کلاسی47 را نشان می‌دهند .[20]
شبکه عصبی مصنوعی: یک مدل ریاضی الهام گرفته از شبکه عصبی انسان است که از گروه‌هایی از نِرون‌های48 مصنوعی تشکیل شده است. اساس محاسبات در این روش بر مبنای اتصال بهم پیوسته49 چندین واحد پردازشی می‌باشد و می‌تواند ساختار خود را در طی مرحله یادگیری تغییر دهد که این موضوع را با تنظیم وزن50 اتصال‌ها انجام می‌دهد [26].
پیش‌بینی کننده: بر خلاف کلاسه‌بند که برچسب‌های گسسته51 را پیش‌بینی می‌کند، پیش‌بینی‌کننده، توابع با مقادیر پیوسته52 را مدل می‌کند، یعنی به جای برچسب کلاس، مقادیر عددی53 را پیش‌بینی می‌کند.

در فصل بهار علارغم تراکم بالا اجتناب نسبي شده است. و در فصل تابستان با اينکه تراکم آنها کم بوده است نسبت به برخي اجتناب نسبي شده و نسبت به برخي اين گونه نبوده است. اما در مورد گونه ي Allium akaka که تنها در فصل بهار وجود دارد بيشترين ارجحيت نشان داده شده است. در حالي که در مورد گونه هاي درختي و درختچه اي مانند تنگرس و ميوه پسته وحشي نيز در فصل بهار و تابستان رفتارهاي متفاوتي با توجه به وضعيت رويشي نشان داده شده است. به طوريکه نسبت به تنگرس در فصل بهار اجتناب نسبي وجود دارد (احتملاً به دليل رشد اندک) در حالي که نسبت به اين گونه در فصل تابستان ارجحيت بيشتري نشان داده شده است. در مورد گونه پسته وحشي نيز وضعيت تا حدودي مشابه تنگرس بوده است به گونه اي که نسبت به اين گونه در فصل بهار توجه اندکي نموده است در حالي که در فصل تابستان علاوه بر توجه بيشتر به برگها، ميوه که رشدشان کامل شده است نيز از ارجحيتبالايي برخوردارند به طوريکه بيشترين ارجحيت را در اين فصل در ميان موارد تغذيه اي داشته است. در مورد ساير گونه که در قالب گونه هاي ناشناس و ساقه ها تعريف شده اند در فصل بهار توجه بيشتري نسبت به فصل تابستان شده است. البته اين موارد را مي توان به صورت تفکيک زيستگاهي نيز ارائه نمود.

4-1-3- آزمون هاي آماري (شاخص هاي انتخاب فصل بهار)
به طور کلي آزمون هاي آماري متعددي تاکنون براي مبحث شاخص انتخاب مورد استفاده قرار گرفته اند (Manley et al, 2002). يکي از اين آزمون ها آزمون نيکي برازش کاي اسکوئر مي باشد(Neu et al, 1974).
آزمون کاي اسکوئر: آزمون هاي آماري اي که براي شاخص هاي انتخاب استفاده مي شوند بسته به اينکه منابع در دسترس کاملاٌ سرشماري شده باشند يا با استفاده از نمونه برداري برآورد شده باشند فرق دارند (Krebs, 1999). آزمون نيکي برزاش کاي اسکوئر يک ديدگاه آماري رايج است، براي آزمون اينکه آيا مقدار استفاده شده از زيستگاه که مشاهده شده با مقدار استفاده پيش بيني شده برابر است (Alldredge & Ratti 1986) بکار مي رود. يک مشکل در استفاده از اين آزمون زماني رخ مي دهد که فرضيه ي صفر رد مي شود و يک اختلاف معني دار بين فراواني مشاهده شده و مورد انتظار از منابع استفاده شده مشاهده مي شود، و همچنين کاي اسکوئر قادر نيست ارجحيت يا اجتناب را براي موارد منفرد مشخص کند، از اين رو داده ها بايد براي تعيين پيوستگي مشاهادات به منظور محاسبه ي مقادير کاي اسکوئر بازرسي شوند (Neu et al, 1974). منلي و همکارانش (1993) براي مواردي که به طور کامل سرشماري مي شوند پيشنهاد کرده اند؛ با توجه به عدم وجود خطا (البته با فرض عدم وجود خطا) در اين موارد به منظور آزمون فرض صفر (جانوران از منابع به صورت تصادفي استفاده مي کنند) از آزمونG استفاده شود. البته در مورد منابع در دسترسي که از طريق نمونه برداري برآورد مي شوند نيز منلي و همکارانش (1993) به استفاده از آزمون G توصيه کرده اند، اما با اندکي تغيير در فرمول که به شرح زير است:
(4-1)

که در اين معادله:
ui = تعداد مشاهداتي که از منبع i استفاده مي کنند
mi = تعداد مشاهدات منبع قابل دسترس از نوع i
U= تعداد کل مشاهدات استفاده کننده =
M= تعداد کل مشاهدات از منابع قابل دسترس=
X2= مقدار کاي مربع با درجه آزادي (n-1)
( =H0انتخاب تصادفي)
n= تعداد انواع منابع
از آنجائيکه هر يک گونه هاي گياهي داراي شاخص هاي ارجحيت متفاوتي هستند لذا بايد براي هر کدام از آنها آزمون G را به صورت جداگانه انجام داد، خلاصه اين آزمون ها در جدول 4-3 آورده شده است.
از آنجائيکه محاسبات مربوط به اين روش طولاني بوده و اشکالاتي در محاسبات ممکن است روي دهد، لذا اين آزمون بر اساس معادله زير، با استفاده از نرم افزار R (Version 2.15.0) انجام شد (Murray Logan, 2010):
(4-2) G2=2?o.ln (o/e)
در اين معادله:
o: فراواني هاي مشاهده شده
e: فراواني مورد انتظار
اين آزمون به منظور بررسي فرض هاي زير طراحي شده است:
H0= داده ها از يک جامعه با توزيع غير نرمال گرفته شده اند
H1= داده ها از جامعه اي با توزيع نرمال گرفته شده اند

جدول 4-3: خلاصه ي نتايج آزمون G(X2)، در مورد گونه هاي داراي ارجحيت گوزن زرد ايراني در بهار 1390
X2 جدول

ديگر به گوزن ماده در حال آب خوردن با برخورد جدي از سوي نر مواجه خواهند شد.

تصوير 3-4: سيماي بهاره زيستگاه گوزن زرد در جزيره اشک(بهار 1390)

تصوير 3-5: سيماي تابستانه زيستگاه گوزن زرد در جزيره اشک (تابستان 1390)

3-2-5- تغذيه و عادات غذايي گوزن زرد ايراني
در مورد عادات غذايي گوزن زرد ايراني با توجه به اينکه اين گونه درحال حاضر در زيستگاه اصلي خود حضور ندارد نمي توان نظري داد (حداقل تحقيقاتي در مورد اينکه آيا گوزن زرد ايراني در دز و کرخه وجود دارد يا خير صورت نگرفته است). لذا بايد به رژيم غذايي اين گونه در مناطقي که در حال حاضر وجود دارد توجه بيشتري داشت. اما با اين حال در منابع در مورد رژيم آنها اشاراتي صورت گرفته اما اشاره نشده که چه گونه هاي گياهي مورد تغذيه اين گونه هستند اما با اين حال ضيايي(1387) عقيده دارد که بيشتر گياهان علفي و سرشاخه ها و همچنين ميوه ها را ترجيح مي دهد. اما کليمين و همکارانش عقيده دارند کمتر از برگ ها و ميوه ها تغذيه مي کند (Hutchins et al, 2003) و بيشتر از گياهان علفي و بوته اي تغذيه مي کنند. که البته به نظر مي رسد عقيده ضيايي با توجه به زيستگاه هاي موجود در ايران به خصوص جزيره اشک صحت بيشتري داشته باشد. به دليل اينکه بر اساس شواهد موجود سرشاخه خواري در اين گونه بخصوص در فصل تابستان و همين طور استفاده از ميوه ها به وفور مشاهده مي شود. به نظر مي رسد Hutchins و همکارانش در مورد زير گونه ي اروپايي چنين عقيده اي را داشته باشند و در مورد زير گونه ايراني اطلاعاتي نداشته باشند.

3-3- روش پژوهش
فرايند اجراي پژوهش به شرح زير است:
1- مشخص نمودن تيپ هاي پوشش گياهي و يا زيستگاه هاي موجود درجزيره اشک،
2- مشخص نمودن عادات غذايي گوزن زرد ايراني در فصول بهار و تابستان و تعيين ارزش رجحاني گونه هاي گياهي مورد تغذيه ي،
3- مشخص نمودن کيفيت علوفه مورد تغذيه از نظر ميزان پروتئين در دو فصل بهار و تابستان،
4- برآورد ميزان علوفه در دسترس زيستگاه گوزن زرد با روش قطع و توزين،
5- مشخص نمودن نياز روزانه گوزن زرد ايراني،
6- مشخص نمودن حد مجاز بهره برداري از گونه هاي گياهي،
7- برآورد گنجايش برد تغذيه اي زيستگاه گوزن زرد ايراني،

3-3-1- تعيين تيپ هاي پوشش گياهي
با اينکه در بين سال هاي 1364 تا 1366 پوشش گياهي جزيره اشک به عنوان زيستگاه گوزن زرد ايراني از سوي زهزاد و به حمايت سازمان حفاظت محيط زيست شناسايي شده است اما به عقيده ي مسؤلين سازمان حفاظت محيط زيست نقشه ي پوشش گياهي اين جزيره تاکنون بعد از گذشت 25 سال از ارائه ي فهرست گياهان و تيپ هاي گياهي جزيره اشک هنوز تهيه نشده است. اما بر طبق مقاله زهزاد که در سال 1368 منتشر شده است، فلور اين جزيره مشتمل بر 198 گونه متعلق به 149 جنس از 46 خانواده بوده است، که 1% گونه ها باز دانه 14% تک لپه، و 85% متعلق به دو لپه اي ها مي باشد (زهزاد، 1368). تيپ هاي گياهي ارائه شده به همان صورتي که در بخش 3-1-4 آورده شده ارائه شده است. لذا با توجه به عدم مشخص بودن و وجود نقشه تيپ هاي گياهي تصميم گرفته شد که جزيره را بر اساس شيب و وجود آب به چهار زيستگاه تقسيم نمائيم. که اين چهار زيستگاه عبارتند از: مناطق دشتي، دامنه پرشيب و سنگلاخي، چشمه و دامنه شرقي، دامنه شمالي. و بر اين اساس پلات هاي نمونه برداري را در زيستگاه هاي مختلف به صورت تصادفي- سيستماتيک پراکنده نموديم.

3-3-2- مشخص نمودن عادات غذايي گوزن زرد در جزره اشک
تعيين عادات غذايي گونه هاي وحشي به منظور مطالعه حيات وحش ضروري است. و لذ به طور کلي سه عرصه ي اصلي مديريت حيات وحش (حفاظت، محصول پايدار، و کنترل) به شناسايي غذا و تغذيه ي جمعيت هاي جانوري نياز دارند (Sinclair et al, 2006).
مشخص نمودن رژيم غذايي گوزن زرد ايراني در بهار و تابستان
روش هاي مورد استفاده براي مطالعه ي رژيم غذايي مهره داران را مي توان در سه دسته اصلي تقسيم نمود:
آنهايي که شامل گردآوري جانوران منفرد است؛
آنهايي که شامل گرفتن يا ديگر اختلالات موقتي در جانوران منفرد هستند؛
و آنهايي که نياز کمي به اختلالات انفرادي دارند و يا اصلاً نياز ندارند.
مقدار غذاي در دسترس جانوران ممکن است به صورت مستقيم اندازه گيري شود. در مورد سرشاخه خواري علفخواران، مي توان به پژوهشي کهMcNaughton در سال 1976 بر روي گرامينه ها در پلات هاي بسته به منظور اندازه گيري توليد در دسترس براي آهوي توماسون در دشت هاي سرنگيتي از طريق قطع نمودن آنها انجام داده اشاره نمود (Sinclair et al,2006).

از روش هايي که براي تعيين عادات غذايي علفخواران بزرگ وحشي به وفور در منابع ذکر و استفاده شده مي توان به موارد زير اشاره نمود:
1- آزمايش محتويات معده؛ امتياز اين روش اين است که تعداد مناسب معده به آساني بدست مي آيد و جانوران را مي توان از طريق تله گزاري و يا تير اندازي جمع آوري نمود. البته براي شکار جانوران، محققان اغلب معده ها را از نمونه هاي موجود در ايستگاه هاي شکار مخصوص شکارچيان تهيه مي کنند البته اين روش اشکلاتي هم دارد: جانوراني که مورد بررسي قرار مي گيرند ديگر نمي توان بعداً بررسي کرد، و تغييرات در رژيم غذايي در آنها را مورد بررسي قرار داد (Morrison et al, 2006). در مورد گونه هايي که از نظر جمعيتي جزء گونه هاي کمياب و در خطر هستند اين روش غير قابل استفاده است. و لذا استفاده از اين روش در مورد پژوهش حاضر منتفي است.
2- روش هاي غير مخرب ديگر نيز در حيات وحش مورد استفاده قرار مي گيرد، مانن
د استفاده از برخي مواد اسفراغ آور32 در برخي گونه هاي گرفته شده به صورت زنده که با خوراندن اين مواد شيميايي آنها را مجبور مي کنيم که آنچه را خورده اند برگردانند. البته اين روش ممکن است موجب مرگ گونه شود (Morrison et al, 2006). لذا اين روش نيز با توجه به در خطر بودن گوزن زرد ايراني مورد استفاده قرار نگرفت.
3- روش تجزيه سرگين؛ روشهاي ديگري نيز وجود دارد که حداقل تلفات را در پي دارند، مانند روش تجزيه سرگين (عجمي، 1381؛ Morrison et al, 2006). نمونه ها در اين روش به آساني قابل جمع آوري از محيط يا در طول زنده گيري مي باشند. در مطالعات زنده گيري، سرگين ها مي توانند در طول سال از جانوران هر گروه سني يا هر وضعيت محصولي بدست آيند، و نمونه هاي افراد مشخص قابل تکرار هستند (Morrison et al, 2006). با توجه به اينکه گوزن زرد جزء نشخوار کنندگان است، لذا استفاده از اين روش نيازمند مجموعه هاي مرجع در مورد بافت هاي اپيدرمي گياهان منطقه مطالعاتي به منظور شناخت بافت هاي موجود در سرگين و همچنين ميکروسکوپهاي با دقت بالا است (عجمي، 1381)، که متأسفانه در حال حاضر اين امکانات در مراکز تحقيقاتي ما وجود ندارد.
4- روش مشاهده مستقيم؛ روش ديگر از روش هاي غير مخرب مشخص نمودن عادات غذايي از طريق مشاهده ي رفتار تغذيه اي جانوران و تجزيه و تحليل نسبت هاي مربوط به حذف غذا است
(Morrison et al, 2006؛ عجمي، 1381). به نظر مي رسد اين روش در مناطق دشتي براي گونه اي مانند آهو مناسب نباشد، با توجه به اينکه زيستگاه اين گونه داراي مناطقي که بتوان در آنجا مخفي شد و گونه را زير نظر گرفت وجود ندارد (عجمي، 1381)، اما در مورد گوزن زرد در جزيره اشک اين کار در فصل تابستان به آساني قابل انجام است، زيرا گوزن هاي زرد در فصل تابستان به خصوص فصل جفت گيري (شهريور) تحت تأثير شرايط به راحتي مي توان آنها را زير نظر گرفت، بنابر اين از اين روش براي مشخص نمودن عادات غذايي گوزن زرد در جزيره اشک استفاده شد. محققان در اين روش در تمام دوره زماني و سپس گزارش نتايج به نوع و مقدار غذاي مصرف شده و البته به موقعيت قطع شدن يا خورده شدن گياه (قطر و اندازه) توجه دارند. متأسفانه روش هاي غير مخرب سنجش عادات غذايي نمي توانند نياز هاي تحقيقاتي را به دقت ارائه کنند. چونکه با اين روش ما قادرنيستيم به طور دقيق تمام تغذيه ي گونه ها را مشاهده کنيم (Morrison et al, 2006). لذا به نظر مي رسد بايد روش مکملي نيز در کنار اين روش داشته باشيم تا نتايج کار از دقت کافي برخوردار باشند.
5- روش فيلم برداري؛ اين روش نيز مانند روش مشاهده مستقيم است و با استفاده از يک دوربين فيلمبرداري قوي عمليات فيلم برداري بايد انجام شود (عجمي، 1381). البته اين روش با توجه به اينکه در حال حاضر دوربين هايي که بتوان با استفاده از آن از فاصله دور از گوزن ها در جزيره اشک فيلمبرداري نمود در دسترس نيست و لذا استفاده از اين روش نيز رد مي شود.
6- روش فيستولا گذاري؛ در اين روش بايد گونه جانوري زنده گيري و بيهوش شود (عجمي، 1381). و اين روش نيز به دليل نبود امکانات بيهوشي و عدم صدور مجوز از سوي سازمان محيط زيست منتفي است. علاوه بر اين در صورت وجود اين مجوز نيز اعمال اين روش معمولاً در مورد گونه هاي اهلي انجام مي شود که ميزان استرس در آنها بسيار کمتر است در حالي که در مورد گونه هاي وحشي ميزان استرس وارد شده براي گونه حتي ممکن است موجب مرگ گونه شود.
7- روش کافه تريا؛ اين روش با توجه به کم بودن منابع در جزيره و نبود علوفه کافي قابل انجام نبود.
8- اندازه گيري ميزان بهره برداري از گياهان؛ اين روش يکي از شاخص ترين روش ها در برآورد ظرفيت برد زيستگاه ها است (عجمي، 1381). با توجه به اينکه برآورد نيازهاي تغذيه اي امتيازهاي بيشتري را به منظور درک منابع تغذيه اي در دسترس که با نيازهاي جانوري مطابقت دارد به همراه دارد (Beck et al, 2006). لذا به منظور دستيابي به اين هدف بايد به اندازه گيري زيست توده گياهي در دسترس و داراي ارجحيت اهميت ويژه اي داده شود. زيست توده غذايي در دسترس بوته ها نقش مهمي در کنترل کاهش وزن بدني گوزن درطول زمستان (White et al, 2009) و تابستان دارد. در اين روش ظرفيت برد از تقسيم زيست توده علوفه مورد تغذيه بر ميزان ماده خشک مورد مصرف روزانه به دست مي آيد (عجمي، 1381).
(3-1) (طول فصل) A/B× K=
که در اين رابطه:
K= ظرفيت برد
A= علوفه قابل مصرف (کيلوگرم بر هکتار)
B= نياز متوسط روزانه (کيلوگرم بر روز)
Days= طول فصل (تعداد روزهاي استفاده از مرتع)
در اين پژوهش به منظور اندازه گيري ميزان بهره برداري از گياهان در فصل بهار از کوادرات هايي با طول و عرض 10 متر استفاده شد. با توجه به اينکه نقشه ي تيپ هاي پوشش گياهي جزيره موجود نبود، لذا نقشه 1:50000 جزيره را که در دسترس بود به صورت سولول هاي 10 متر مربعي شبکه بندي شد، و از ميان اين سلول ها به صورت تصادفي با استفاده از نرم افزار R، 15 نقطه انتخاب شد. سپس طول و عرض چهار گوشه ي اين سلول ها به GPS داده شد تا دستيابي به آن ها راحت تر باشد. به منظور مشخص نمودن درصد بهره برداري گياهان، از روش شمارش ساقه در کوادرات استفاده شد. به اين صورت که گونه هاي گياهي موجود در کوادرات شناسايي شد و براي هر گونه تعداد ساقه هاي چرا شده و تعداد کل ساقه و همچنين تاج پوشش هر کدام اندازه گيري شد. و بعد از مشخص نمودن ميزان بهره برداري از هر گياه به همان مقدار از گياهان خورده نشده قطع و بعد از انتقال به آزمايشگاه توزين شد (وزن تر) و بعد از گذشت يک هفته که گونه ها در هواي آزاد قرار
گرفتند دوباره وزن شدند (وزن خشک) و اعداد بدست آمده در فرم شماره 1 ثبت شد (ضميمه 4) سپس با توجه به اعداد بدست آمده درصد بهره برداري و درصد پوشش تاجي گونه ها و همچنين ارجحيت تغذيه اي مشخص شد. و با استفاده از فرمول نسبت علوفه (درصد گونه موجود در رژيم غذايي/درصد گونه موجود در محيط) شاخص نسبت علوفه يا نسبت انتخاب براي هر گونه محاسبه شد.

* روش مورد استفاده در اين پژوهش
باتوجه به اينکه در جزيره مکان هايي براي مخفي شدن و ديد زدن گوزن ها وجود دارد. لذا مشاهده مستقيم تغذيه گوزن در بهار و تابستان کار چندان سختي نيست. لذا در اين فصول به منظور مشخص نمودن رژيم غذايي گوزن از روش مشاهده مستقيم و البته بررسي آثار چراي بجا مانده استفاده شد. بعد از مشاهده تغذيه گوزن و تعيين گونه با نزديک شدن به محل چرا و مشاهد ي آثار چرا بر روي گونه هاي گياهي به اندازه گيري مقدار قطع شده و قطر قطع شدن گياه پرداخته مي شد. و سپس برداشت از گياهان مشابه به همان اندازه ي تغذيه شده توسط گوزن انجام مي شد. و با تکرار اين عمل گونه هاي مورد تغذيه مشخص شد. که اين گونه هاي مورد تغذيه در پلات ها مورد اندازه گيري قرار مي گرفت (وزن تک پايه مورد تغذيه، شمارش پايه هاي موجود در پلات هاي نمونه برداري).

3-3-2- تعيين ارزش رجحاني گونه هاي گياهي (شاخص انتخاب)
به منظور مشخص نمودن ارزش رجحاني گونه ها در فصل بهار و تابستان ميزان بهره برداري از گياهان به ترتيب با استفاده از روش شمارش ساقه در داخل کوادارات هاي 10 متر مربعي(بهار) و ترانسکت هاي 100 متري (تابستان) که 10 کوادرات در طول اين ترانسکت ها به صورت تصادفي قرار گرفته بود برآورد شد. و سپس با استفاده از انواع شاخص هاي علوفه، وضعيت انتخاب غذا در انواع زيستگاه هاي موجود در جزيره اشک مشخص گرديد. و با استفاده از روش هاي آماري مناسب به آزمون فرضيه ها و ارائه ي حدود اعتماد براي شاخص هاي انتخاب محاسبه شده در دو فصل بهار و تابستان پرداخته شد. و در ادامه شاخص آلفاي منلي نيز براي تک تک گونه هاي داراي ارجحيت تعيين شد.

3-3-4- کيفيت علوفه مورد تغذيه از نظر ميزان پروتئين در بهار و تابستان
به منظور مشخص نمودن ميزان پروتئين گياهان مورد تغذيه، نمونه هاي گياهي از زيستگاه هاي مختلف که پلات هاي نمونه برداري در آنها واقع شده بودند تهيه شد. سپس وزن تر نمونه هايي که تهيه شده بود با استفاده از ترازوي ديجيتالي در محل اندازه گيري شد. وبعد از قرار گرفتن در معرض هواي آزاد به مدت يک هفته وزن خشک نيز اندازه گيري شد. و سپس نمونه ها براي انجام آزمايش ها آماده شدند.

3-3-4-1- اندازه گيري درصد ماده خشک
به منظور مشخص نمودن درصد ماده خشک نمونه هاي گياهي مورد تغذيه، دو گرم از هر نمونه آسياب شده را در سه تکرار، در بوته ريخته و با ترازويي به دقت 0.001 گرم وزن شد. سپس نمونه ها را در آون در دماي 105 درجه سانتي گراد به مدت 48 ساعت قرار داده شدند. پس از گذشت 48 ساعت نمونه ها را از آون خارج نموده و در درون دسيکاتور قرار داده شدند تا سرد شوند و رطوبت را دريافت نکنند. پس از سر شدن نمونه ها وزن شدند. و درصد ماده خشک با توجه به ميزان

ه عبارت ديگر نسبت حضور گونه هاي گياهي موجود در هر تيپ متفاوت است (ارزاني، 1388). لذا مي توان مدل هاي تغذيه اي را به انواع مختلفي تقسيم نمود که اين تقسيم بندي بر اساس نوع متغيري که براي تعيين ارزش غذايي استفاده مي شود صورت مي گيرد. که اين متغيرها عبارتند از: درصد نيتروژن، پروتئين خام، خاکستر، مواد آلي، چربي خام، انرژي خام، الياف نامحلول در شوينده خنثي (ديوراه سلولي)، الياف نامحلول در شوينده اسيدي (ديواره سلولي منهاي همي سلولز)، انرژي قابل هضم، انرژي متابوليسمي و … (ارزاني، 1388). از روش هايي که براي تعيين ظرفيت برد تغذيه اي تاکنون در منابع مورد استفاده قرار گرفته مي توان به موارد زير اشاره نمود:
– احتمالات انتخاب زيستگاه، ظرفيت برد تغذيه اي بازگو کننده ي يکسري از نيازهاي تغذيه اي ويژه براي مواد غذايي اي است که در زيستگاه در دسترس جانور موجود است (Beck et al, 2006 ; MacLeod, 1997).
– مدل هاي مبتني بر ميزان علوفه يا ميزان زيتوده ، که به عنوان اساسي ترين مدل تعيين گنجايش برد مع روف است. در اين روش گنجايش برد از از تقسيم زيست توده علوفه مورد مصرف بر ميزان ماده خشک مورد مصرف روزانه به دست مي آيد ( عجمي، 1381).
– مدل هايي که مبتني بر برآورد هاي مربوط به انرژي و نيتروژن در دسترس (Hobbs et al., 1982; McCall et al., 1997) و نياز هاي روزانه ي جانور مورد مطالعه هستند.

1-8- تعيين ارزش رجحاني گونه هاي مصرفي
اغلب صاحب نظران ارزش رجحاني و خوشخوراکي را به يک معني مي دانند (ارزاني، 1388؛ عجمي، 1381). خوشخوراکي يکي از ويژگي هاي مهم گياهان مرتعي است، که منظور از آن انتخاب گياه توسط دام است (ارزاني، 1388). کيفيت مواد غذايي (گياهان) به حضور تراکم هاي نسبي از مواد مغذي مختلف از قبيل پروتئين ها، چربي ها، کربوهيدارت ها، ويتامين ها و مواد معدني است (Seal, 2011). و درک محتوي ساختار گياهي يک راه مفيد براي تعيين ظرفيت مراتع است(Asaadi & Dadkhah, 2010). به طور کلي عوامل متعددي هستند که بر خوشخوراکي گياه اثر مي گذارند:
– ويژگي هاي فيزيکي گياه: از جمله اين ويژگي ها ميتوان به آبدار و گوشتي بودن (ارزاني، 1388)، وجود تيغ، خار، کرک و زبري سطح برگ (عجمي، 1381) اشاره نمود.
– ويژگي هاي محيط زيستي: مانند شرايط اقليمي، پستي و بلندي، و فاکتورهاي مربوط به خاک و همچنين حشرات و بيماري ها (عجمي، 1381).
– ويژگي هاي شيميايي گياه: ترکيبات شيميايي گياهان از مهمترين عوامل تعيين کننده خوشخوراکي هستند (ارزاني، 1388). از اين ويژگي ها مي توان به مواردي از قبيل پروتئين، قند، فيبر، ليگنين، سيليس، اسانسها و ترکيبات ثانويه گياهي اشاره نمود (عجمي، 1381).
– مرحله رشد گياه (عجمي، 1381؛ ارزاني، 1388): اين مورد مهمترين عامل در خوشخوراکي گونه هاي گياهي است. به طوري که با پيشرفت در مراحل رشد بخش هاي کربوهيدراتي(سلولزي) گياه زيادتر شده و لذا خوشخوراکي گياه کاهش مي يابد.
– فراواني گونه هاي همراه
– قابليت استفاده

1-8-1- شاخص هاي ارجحيت تغذيه اي
کوک(1978) پيشنهاد کرده که سه موضوع بايد در تصميم گيري در مورد شاخص ارجحيت مناسب توجه شود (Krebs, 1999):
1. مقياس شاخص: بهتر است که هر دو مقياس ارجحيت مثبت و منفي اندازه برابري داشته باشند، نزديک به صفر(0).
2. قابليت سازگاري شاخص: بهتر است که قابليت دربرگرفتن بيش از دو نوع غذا را در شاخص داشته باشيم.
3. حيطه ي يک شاخص: بهتر است مقدار شاخص حداکثر در همه ي تراکم هاي غذايي قابل استفاده باشد.
به طور کلي سه گروه مطالعات براي اندازه گيري ارجحيت توسط منلي و همکارانش در سال 1993 و 2002 مورد بررسي قرار گرفته است. بايستي توجه داشت که اين ارجحيت ها مي تواند در سطح زيستگاه، مکان هاي آشيانه گذاري و يا ارجحيت غذايي مطرح شود.
طرح نوع I: مطالعاتي که در آنها تمام اندازه گيري ها در سطح جمعيت انجام مي شود نه در سطح فرد. و از منابع مصرف شده و مصرف نشده در کل منطقه مورد مطالعه نمونه برداري انجام مي شود. به عنوان مثال، حضور يا عدم حضور گروه هاي سرگين در هر کوادارت ثبت شود (Krebs, 1999 ; Manley, 2002؛ عجمي، 1381).
طرح نوع II: در اين نوع از مطالعه افراد شناسايي شده و منابع استفاده شده براي هر فرد اندازه گيري مي شود. اما موجوديت منابع در سطح جمعيت و براي کل منطقه مورد مطالعه اندازه گيري مي شود. مثلاٌ مي توان محتوي نمونه هاي شکمبه جانور را بررسي کرده و آنرا با غذاي قابل دسترس در منطقه مقايسه کرد (Krebs, 1999 ; Manley, 2002؛ عجمي، 1381).
طرح نوع III: مانند طرح نوع II افراد مورد اندازه گيري واقع مي شوند، اما علاوه برآن قابليت در دسترسي منابع براي هر فرد اندازه گيري مي شود. بعنوان مثال مکان هاي زيستگاه را مي توان توسط گروهي از افراد که به فرستنده هاي راديويي مجهز شده اند، اندازه گيري کرد و اين اندازه گيري ها را با زيستگاه هي قابل دسترس در داخل گستره ي خانگي هر فرد مقايسه نمود (Krebs, 1999; Manley, 2002؛ عجمي، 1381).

1-8-2- شاخص هاي انتخاب
شاخص هاي ارجحيت متنوعي تاکنون در منابع ذکر شده است که از آن ميان مي توان به موارد زير اشاره نمود:
1. شاخص نسبت علوفه
ساده ترين سنجنده ي ارجحيت، نسبت علوفه است که براي اولين بار توسط Savage(1931) و Williams & Marshall(1938) ارائه شده است (Krebs, 1999; Manly et al., 2002):

(1-1)
که در اين معادله:
wi= نسبت علوفه براي گونه ي i (شاخص 2 Cock13 1978)
oi= نسبت يا درصد گونه هاي i در رژيم غذايي
pi= نسبت يا درصد گونهi دردسترس در محيط
نسبت هاي علوفه محاسبه شده مربوط به گونه هاي گياهي مورد تغذيه
در جدول 4-1 آورده شده است.
نکته قابل توجه در اين جدول اين است که تنها شاخص نسبت علوفه در مورد گونه هاي مورد تغذيه ارائه شده است.
روزيري و همکاران14 (1975) مقادير شاخص انتخاب را به منظور مشخص نمودن ارزش رجحاني بدين گونه تقسيم نموده اند (عجمي ،1381):
بيشتر از 2.1 نشان دهنده ي رجحان کامل،
2- 1.4 نشان دهنده ي رجحان نسبي،
1.3- 0.7 ارجحيت متوسط،
0.6- 0.3 اجتناب نسبي،
کمتر از 0.2 اجتناب کامل.

2. شاخص انتخاب استاندارد شده
به عقيده Krebs(1999) در روش تعيين شاخص انتخاب (نسبت علوفه) شاخص هاي انتخاب بالاي 1.0 نشان دهنده ارجحيت گونه و شاخص هاي کمتر از 1.0 نشان دهنده ي اجتناب هستند. در حالي که شاخص هاي انتخاب ممکن است از 0 تا ? باشند، که اين امر مسئله اي است که اختلال ايجاد مي کند. در اين مورد منلي و همکارانش (1993) نسبت هاي علوفه يا شاخص هاي انتخابي تحت عنوان نسبت هاي استاندارد شده را ارائه نموده اند (که همان شاخص چيسون15 است که در سال 1978 ارائه شده است (Manly et al, 2002) البته با جايگزيني wi به جاي (oi /pi)) :
(1-2)
که در اين معادله:
Bi = شاخص استاندارد شده براي گونه i
= wi نسبت علوفه براي گونه i
نسبت هاي استاندارد شده پايين تر از اين مقدار (تعداد منابع/1) نشان دهنده ي اجتناب نسبي، و مقادير بالاتر از آن نشان دهنده ارجحيت نسبي هستند (Krebs, 1999).
3. شاخص مورداک16
برخي از شاخص هاي ارجحيت تنها دو گونه را مورد مقايسه قرار مي دهند (Krebs, 1999؛ عجمي، 1381).مورداک در سال 1969 شاخص C را به صوزت زير ارائه نمود:
(1-3)
که در اين رابطه
= نمايه مورداک براي برآورد ارجحيت
= نسبت گونه طعمه a وb در رژيم غذايي
= نسبت گونه طعمه aوb در محيط
در اين شاخص نيز مانند شاخص نسبت علوفه مسئله ي مقياس وجود دارد: بطوريکه محدوده ي 0 تا 1/0 را بعنوان ارجحيت منفي و 1/0 تا بي نهايت ارجحيت مثبت قلمداد مي شود (Krebs, 1999).
قابليت در دسترسي منابع متفاوت به طور کلي در طبيعت يکسان نيست، و استفاده از آنها ممکن است از طريق تغيير در قابليت در دسترسي تغيير نمايد، از اينرو، منابع استفاده شده بايد با استفاده از قابليت در دسترسي (يا عدم استفاده) مقايسه شوند (Manly et al., 2002).
از شاخص هاي ديگري که تاکنون براي مشخص نمودن انتخاب استفاده شده است مي توان به موارد زير اشاره نمود (Manly et al., 2002):
(برخي از اين شاخص هاي انتخاب براي داده هاي مربوط به جزيره اشک براي گوزن زرد در جدول 4-6 (فصل بهار) و جدول 4-7 (فصل تابستان) آورده شده است).
4. شاخص گزينش Ivlev (1961)
(1-4) Ei= (oi-pi )/(oi+pi)
5. شاخص خطي Strauss (1966)
(1-5) Li=oi-pi
6. شاخص Jacobs (1974)
7. شاخص Chesson (1978) و Paloheimo (1979)
(1-6) i=(oi/pi) / ?(oi / pi )?
8. شاخص منلي Manly et al. (1972) و Manly (1973، 1974)
9. شاخص Vanderploeg و Scavia (1979)
10. شاخص Bowyer و Bleich (1984)
(1-7) Importance=oi×pi
11. شاخص Rondorff et al. (1990)
12. شاخص Durbin (1998)
13. شاخص راجرز17
کربس(1999) يک سري توصيه ها در مورد شاخص انتخابي براي مشخص نمودن ارجحيت غذايي نموده است. وي عنوان نموده است که به نظر مي رسد شاخص انتخاب (نسبت علوفه)، آلفاي منلي، و شاخص رتبه اي ارجحيت بهترين شاخص هاي ارجحيت در اکثر مواقع هستند. و شاخص راجرز يا روش منلي و همکاران براي آزمايش کافه تريا مناسب هستند (Krebs, 1999). در آزمون هاي کافه تريا تعدادي از انواع غذا براي يک جانور با فراواني برابر ارائه مي شود، بنابراين دسترس پذيري به صورت مستقيم تأثير بسزايي بر مقدار ارجحيت نخواهد داشت.

1-9- آزمون فرضيه ها و حدود اعتمادها
آزمون ها در مطالعات انتخاب منبع مي توانند براي تعيين اينکه آيا حقيقتاٌ منابع انتخاب شده استفاده شده اند، و همچنين به منظور مقايسه ي استعداد انتخاب در ميان منابع استفاده شوند. به طور کلي آزمون هاي آماري متعددي براي ارزيابي کلي فرايند انتخاب منبع استفاده شده است، همچنين در زمينه ي فرايندهاي مربوط به تعيين حدود اعتماد و مشخص نمودن اينکه يک منبع در يک زمان به چه صورت استفاده شده به منظور ارزيابي فرايند انتخاب منبع نيز روش هاي متعددي بکار رفته است (Manly et al., 2002).
از آزمون هاي آماري استفاده شده براي ارزيابي انتخاب منبع مي توان به: آزمون نيکي برازش کاي مربع18، لگاريتم احتمال کاي مربع براساس ساختار معماري سيماي سرزمين19، روش ارجحيت جانسون20، آزمون فريدمن21، کاي مربع چند متغيره22، آزمون کاي مربع شده همگن23، آزمون کوئد24، مدل هاي لگاريتم خطي25، آزمون ويل کاکسون26، تحليل ترکيب بندي27، و مدل هاي انتخاب گسسته28 اشاره نمود (Manly et al., 2002).

1-10- واحد دامي و نيازهاي روزانه غذايي
از آنجا که پيش بيني يا برآورد نياز روزانه دام به مواد غذايي و عوامل مؤثر بر آن يک جزء کليدي در برآورد ظرفيت برد زيستگاه مي باشد، از اين رو، لازم است که داده هاي دقيقي از عوامل مؤثر بر نياز دام را داشته باشيم. روش هاي مختلفي براي تعيين ميزان انرژي مورد نياز پستان دارن بزرگ جثه وجود دارد (عجمي، 1381؛ Valentine, 2001). از آنجا که انجام اين گونه مطالعات به تجهيزات آزمايشگاهي و صرف هزينه هاي زياد بويژه در مورد گونه هاي حيات وحش نياز دارد، بناراين در اين پژوهش به اين مسئله پرداخته نشده است. و در اين گونه موارد مي توان از واحد دامي معادل استفاده نمود.

متخصصين علم مرتعداري تعاريف مختلفي را در مورد واحد دامي ارائه نموده اند. انجمن مرتعداران ايالات متحده در سال 1974 يک گاو ماده بالغ 453/7 کيلوگرمي با نياز روزانه برابر Kg 12 ماده خشک را بعنوان واحد دامي معرفي نموده اند (Valentine, 2001). در ايران واحد دامي بر حسب وزن زنده در برخي منابع آمده است. ميانگين اندازه واحد دامي در کشور يک ميش بالغ به وزن 45-35 کيلوگرم که به 1/5 تا 1/6 کيلوگرم علوفه در شبانه روز نياز دارد، در نظر گرفته شده است (مقدم، 1377).
به منظور مشخص نمودن واحد هاي دامي معادل، تنها کافي است که وزن متابوليک حيوان مورد نظر (W0.75) را بر وزن واحد متابوليک واحد دامي کشور تقسيم نمائيم. عدد بدست آمده واحد دامي معادل خواهد بود (عجمي، 1381).
AUE= W1 0.75/ W2 0.75 (1-8)
در اين رابطه W1 وزن حيوان مورد نظر بر حسب کيلوگرم و W2 وزن واحد دامي استاندارد کشور يا منطقه مي باشد (Valentine, 2001).
از آنجائيکه ميزان مصرف ماده خشک با وزن متابوليک دام رابطه نزديکي دارد (Sinclair et al, 2006; Valentine, 2001؛ عجمي، 1381). از اين رو با استفاده از واحد دامي معادل مي توان مقدار علوفه مورد نياز يک جانور را نسبت به علوفه مورد نياز يک واحد دامي محاسبه نمود (Valentine, 2001).

1-11- حد بهره برداري مجاز
حد بهره برداري مجاز عبارت است ازآن قسمت يا نسبت از گياه که مي توان مورد استفاده قرار داد بدون آنکه موجب خسارت و صدمه بر رشد و زندگي گياه شده باعث کاهش قدرت رقابت آن گياه با گياهان ديگر شود. بنابراين، مشخص کردن حد بهره برداري مجاز از لحاظ اينکه کمترين مقدار علوفه هدر رفته و ايجاد خسارت در گياه ننمايد يکي از اصول اساسي در برنامه هاي مرتعداري است. حد بهره برداري مجاز تحت شرايطي نظير تغييرات آب و هوايي منطقه، شرايط خاک فصل چرا و وضعيت مرتع تغيير مي کند. مشخص نمودن حد بهره برداري مجار از گونه هاي مرتعي منوط به بررسي هاي انجام شده در محل خواهد بود. درصد حد بهره برداري مجاز بسته به گونه تغيير خواهد کرد (مقدم، 1377؛ عجمي، 1381).
در مورد اکثر گياهان بومي در صورتي که ميزان بهره برداري در طول فصل بهره برداري بيش از 40 تا 50 % وزن توليد سالانه نباشد، اين گونه گياهان قادر به حفظ قدرت رويشي و سلامتي خود خواهند بود، بديهي است در مراتعي که شيب زياد و يا خاک ناپايدار داشته باشند بايد ميزان حد بهره برداري کاهش يابد، ام از آنجائيکه در مورد گياهان مرتعي ايران و در مناطق مختلف حد بهره برداري مجاز اندازه گيري

مي‌خواهيم ببينيم تا چه حد برداشت پاسخگويان از سؤالات يکسان بوده است. اساس اين ضريب بر پايه مقياسها است. مقياس عبارتند از دسته اي از اعداد که بر روي يک پيوستار به افراد، اشيا يا رفتارها در جهت به کميت کشاندن کيفيتها اختصاص داده ميشود. رايجترين مقياس که در تحقيقات اجتماعي بکار مي‌رود مقياس ليکرت است. در مقياس ليکرت اساس کار بر فرض هم وزن بودن گويه ها استوار است. بدين ترتيب به هر گويه نمراتي (مثلاً از 1 تا 5 براي مقياس ليکرت 5 گويه اي) داده مي‌شود که مجموع نمراتي که هر فرد از گويه ها مي‌گيرد نمايانگر گرايش او خواهد بود (صمدي، 1392، 78-77). در پژوهش حاضر نيز از اين مقياس به منظور سنجش اطلاعات پرسشنامه استفاده شده است.
آلفاي کرونباخ به طور کلي با استفاده از يکي روابط زير محاسبه مي‌شود.
يا
که در اين روابط k تعداد سؤالات، واريانس سؤال i ام، واريانس مجموع کلي سؤالات، ميانگين کوواريانس بين سؤالات و واريانس ميانگين سؤالات مي‌باشند (برگرفته شده از آلن و ين، 2002).
با استفاده از تعريف آلفاي کرونباخ مي‌توان نتيجه گرفت: (1) هر قدر همبستگي مثبت بين سؤالات بيشتر شود، ميزان آلفاي کرونباخ بيشتر خواهد شد و بالعکس، (2) هر قدر واريانس ميانگين سؤالات بيشتر شود آلفاي کرونباخ کاهش پيدا خواهد کرد، (3) افزايش تعداد سؤالات تأثير مثبت و يا منفي (بسته به نوع همبستگي بين سؤالات) بر ميزان آلفاي کرونباخ خواهد گذاشت، (4) افزايش حجم نمونه باعث کاهش واريانس ميانگين سؤالات در نتيجه باعث افزايش آلفاي کرونباخ خواهد شد. بديهي است هر قدر شاخص آلفاي کرونباخ به 1 نزديک‌تر با شد، همبستگي دروني بين سؤالات بيشتر و در نتيجه پرسش‌ها همگن‌تر خواهند بود. کرونباخ ضريب پايايي 45% را کم، 75% را متوسط و قابل قبول و ضريب 95% را زياد پيشنهاد کردهاند (کرونباخ، 1951). بديهي است در صورت پايين بودن مقدار آلفا، بايستي بررسي شود که با حذف کدام پرسشها مقدار آن را ميتوان افزايش داد؛ بنابراين با توجه به تعاريف فوق ميزان آلفاي کرونباخ براي پژوهش حاضر به اين صورت ميباشد.
اولين گروه از افراد مورد مطالعه شده، مسئولين درگير با امر گردشگري در شهرستان نير است. جدول (4-1) ميزان آلفاي کرونباخ را براي گويههاي اين گروه نشان ميدهد. با توجه به نتايج به دست آمده از جدول زير مشخص ميشود که معيارهاي مورد نظر از ديدگاه اين گروه از پايايي مورد قبولي برخوردار هستند.
جدول (‏4-7) آزمون آلفاي كرونباخ براي گويه هاي نظرات مسئولين نسبت به مؤلفههاي استعداد گردشگري روستايي
Reliability Statistics
جاذبه گردشگري
Cronbach’s Alpha
N of Items
طبيعي
97/0
74
زير ساخت
89/0
74
مديريتي
76/0
74
فرهنگي
85/0
74
توسعه گردشگري روستايي از بعد کلي
91/0
74

دومين گروه از نمونه مورد پژوهش، مردم محلي است که به عنوان ميزبانان گردشگران بوده و محدوده زندگي آن‌ها به عنوان مقصد اين گردشگران است. جدول (4-2) ميزان آلفاي کرونباخ را براي مؤلفههاي اين گروه نشان ميدهد. از ديدگاه مردم محلي، معيارهاي اصلي تحقيق داراي پايايي قابل قبولي بوده و ميتوان با استفاده از اين معيارها به تحليل توسعه گردشگري در شهرستان نير پرداخت.
جدول (‏4-8) آزمون آلفاي كرونباخ براي گويه هاي نظرات مردم نسبت به مؤلفههاي استعداد گردشگري روستايي
Reliability Statistics
جاذبه گردشگري
Cronbach’s Alpha
N of Items
طبيعي
83/0
100
زير ساخت
92/0
100
مديريتي
78/0
100
فرهنگي
74/0
100
توسعه گردشگري روستايي از بعد کلي
86/0
100

گروه ديگر از نمونه پژوهش حاضر گردشگران و نظرات آن‌ها نسبت به توسعه امکانات گردشگري در شهرستان نير و تأثير آن نسبت به توسعه اين شهرستان است. در جدول زير ميزان آلفاي کرونباخ براي اين گروه در خصوص مؤلفههاي مورد نظر نشان داده شده است. با توجه به نتايج به دست آمده از آلفاي کرونباخ براي معيارهاي اين گروه، مشخص ميشود که تمام اين معيارها از ديدگاه گروه مورد مطالعه شده از پايايي قابل قبولي برخوردار هستند.
جدول (‏4-9) آزمون آلفاي كرونباخ براي گويه هاي نظرات گردشگران نسبت به مؤلفههاي استعداد گردشگري روستايي
Reliability Statistics
جاذبه گردشگري
Cronbach’s Alpha
N of Items
طبيعي
82/0
200
زير ساخت
89/0
200
مديريتي
71/0
200
فرهنگي
85/0
200
توسعه گردشگري روستايي از بعد کلي
72/0
200

4-4- آمار استنباطي و تحليل استعداد گردشگري روستايي شهرستان نير
4-4-1- سنجش ديدگاه مسئولان نسبت به توان‌هاي گردشگري شهرستان نير
يکي از عوامل سنجش توانها و قابليتهاي توسعه گردشگري و تأثير آن بر زندگي ساکنان موجود در محدودههاي گردشگري، ديدگاه مسئولان و معرفي محدوده مورد مطالعه از نظر آن‌ها و همچنين تأثير قابليتهاي فوق بر روند توسعه و پيشرفت منطقه است. در پژوهش حاضر نيز قابليتها و جاذبههاي طبيعي، زيرساختها، سيستم مديريت اداري و فرهنگي و ارتباط آن در توسعه روستاهاي پيرامون از ديدگاه مسئولان مورد بررسي قرارگرفته است. جدول زير نتايج اين بررسي را نشان ميدهد.
جدول (‏4-10) آزمون T تک نمونه‌اي در بررسي مؤلفههاي پژوهش از ديدگاه مسئولان

تقريباً دو سوم گردشگران، سيدني را نيز در برنامه سفر خود مي‌گنجانند. گردشگران داخلي ايلوارا34 تقريباً همه از سيدني مي‌آيند كه براي تعطيلات با اتومبيل شخصي به منطقه مسافرت كرده و كمتر از 30 شب در آن اقامت مي‌نمايند. حدود 45% تعطيلات سپري شده در ايالت نيوساوت والز35 در بازديد از مناطق روستايي سپري مي‌شود. بخش‌هاي كليدي بازار متمايل به گردشگري روستايي شامل خانواده هاي جواني مي‌شود كه در جستجوي اقامت گاه‌هاي راحت براي كاهش اضطراب و سرگرم كردن بچه‌ها مي‌باشند و نيز زوج‌هاي سالخورده اي كه طالب بازديد از مناطق آرام و بدون استرس هستند و هر دو اين گروه‌ها تمايل دارند مدتي را در اين مناطق اقامت داشته باشند (حدود 1 هفته). پديده جالب توجهي كه در استراليا مشاهده شد، تقارن افزايش گردشگران با شروع فعاليت‌هاي زراعي است (از قبيل پرورش دام و فعاليت‌هاي زراعي در زمين‌هاي زرعي كوچك). به عنوان مثال، گوسفندهاي مورد نياز براي نمايش عمليات پشم چيني به طور معمول از بازار تهيه مي‌شوند و باغچه هاي كوچك براي افزايش انجام فعاليت كشاورزي در مزرعه ايجاد مي‌گردند.
مردمي كه به روستايي به دلايلي غير از تجارت سفر مي‌کنند، اين كار را براي تفرج در فضاي باز و گشت و گذار انجام مي‌دهند كه اين امر بر اهميت حفظ محيط‌هاي روستايي مي‌افزايند. در استراليا 66% مزرعه هاي گردشگري خانه هاي 3 خوابه را به عنوان اقامتگاه عرضه مي‌کنند، در حالي که 45% آن‌ها كلبه و 12% هم خانه هاي كارگري را در اختيار گردشگران مي‌گذارند. موفقيت اقامت گاه هاي مزرعه اي به شدت به ميزان رابطه بين ميزبان و ميهمان بستگي دارد. در ارزيابي موفقيت گردشگري روستايي، مزرعه داران منطقه ويكتوريا اذعان داشتند كه محل مزرعه (79%)، اراضي پيراموني (67%)، جاذبه هاي نزديك به محل (81%)، شخصيت متصدي محل (82%)، نوع اقامتگاه (72%) و نوع مزرعه (52%) از دلايل اصلي اين موفقيت بوده‌اند.
2-10- مطالعات انجام شده پيرامون موضوع تحقيق
با توجه به اهميتي كه در دهه اخير در اقتصاد كشورها بدست آورده و هم چنين پي آمدها و تأثيرات گوناگون اين صنعت بر روي ساختار اقتصادي، اجتماعي، فرهنگي و كالبدي اين كشورها، تحقيقات و مطالعات از سوي محققين و دانشمندان مختلف در اين زمينه رو به افزايش است لذا به منظور دستيابي به يافته‌ها و نتايج مرتبط با موضوع تحقيق، سابقه اين تحقيقات از کتاب‌ها، پايان نامه‌ها و جستجوهاي اينترنتي و مراكز مختلف مورد بررسي قرارگرفته است.
ناصري سيد مسعود، 1375؛ شناسايي موانع موثر توسعه صنعت توريسم ايران و طراحي الگوي تبييني براي گسترش جذب توريست؛ در اين پژوهش سعي شده است ضمن شناسايي موانع موثر بر گسترش صنعت گردشگري، الگوي مناسب بازاريابي جهت گسترش جذب گردشگر ارائه شود. با تجزيه و تحليل اطلاعات بدست آمده، فرضيات سنجش ارتباط بين تبليغات سوء غير واقع ايران و عدم استفاده از شيوه هاي مناسب بازاريابي با عدم جذب گردشگر به ايران مورد ارزيابي قرار گرفته است و در نتيجه اين ارتباط مورد قبول قرار گرفته است. فرضيات ديگر پژوهش که شامل وجود ارتباط بين عدم وجود قوانين و مقررات مناسب، عدم وجود امكانات اقامتي و رفاهي مناسب، هزينه هاي زندگي و اقامت، عدم برخورد مناسب با گردشگران با مانع جذب گردشگر به ايران مورد آزمون قرار گرفته و در نهايت نتيجه به دست آمده اين فرضيه را رد کرده است.
ركن الدين افتخاري و عبدالرضا قادري اسماعيل، 1381؛ نقش گردشگري روستايي در توسعه روستايي (نقد و تحليل چهارچوبهاي نظريهاي)؛ در اين پژوهش به مطالعات انجام شده در كشورهاي فرانسه، اتريش، سويس، انگلستان، ايرلند، تايلند و ژاپن پرداخته شده است و اين مطالعات نشان مي دهد كه گردشگري روستايي بسرعت در اقتصاد روستايي رشد كرده و مكمل فعاليتهاي كشاورزي شده است. ماهيت صنعت گردشگري ايجاد اشتغال و درامد، متنوع سازي اقتصاد، مشاركت اجتماعي و استفاده از منابع محلي است. از آنجا كه بخش اعظم مشكلات عقب ماندگي و توسعه نيافتگي روستايي نيز به فقدان اين صنعت برمي گردد، گردشگري روستايي با حل مسائل و مشكلات فوق مي تواند به توسعه روستايي كمك نمايد.
مهدوي داوود، 1382؛ نقش توريسم در توسعه نواحي پيرامون شهرها و ارائه مدل استراتژيك نمونه موردي، دهستان لواسان كوچك؛ هدف از اين پژوهش بررسي تأثيرات در توسعه نواحي روستايي و ارائه‌ي استراتژي‌هاي مناسب در جهت توسعه‌ي اين نواحي و در نهايت رسيدن به الگوي بهينه‌ي توسعه بوده است. بنابراين به منظور رسيدن به اين اهداف از دو روش اسنادي و ميداني استفاده شده است. آزمون فرضيات نشان داد كه از ديدگاه مردم از مجموع 26 شاخص مورد مطالعه تأثير گردشگري بر 16 شاخص اقتصادي، اجتماعي و فرهنگي و محيطي مورد تاييد قرارگرفته است و از ديدگاه مسئولان تأثير توسعه‌ي اين صنعت بر 18 شاخص از 29 شاخص اقتصادي، اجتماعي و فرهنگي و محيطي تاييد شده است، سپس با استفاده از تحليل SWOT نقاط قوت و ضعف و فرصت‌ها و تهديدها شناسايي شده نشان مي‌دهد كه آستانه آسيب پذيري اين نواحي بسيار بالا بوده و نيازمند بازنگري و ارائه سياست‌هاي مناسب در جهت رفع ضعف و تهديدها با استفاده از نقاط قوت و فرصت‌ها است.
دخيلي كهنمويي اسماعيل، 1383؛ بررسي راهكارهاي توسعه توريسم در آذربايجان شرقي، در اين پژوهش ضمن بررسي قابليت‌هاي طبيعي و فرهنگي استان سه مركز مهم گردشگري استان يعني كندوان قلعه بابك و بندر شرفخانه به عنوان مورد نمونه
مورد مطالعه قرارگرفته است. ابزار مورد استفاده در مطالعه موردي اين پژوهش، پرسشنامه است و نتايج آزمون فرضيات نشان مي‌دهد كه بين تبليغات و گردشگران ورودي، بين محل سكونت (شهر يا روستا) و علاقه به طبيعت گردي (اكوتوريسم)، بين شهروندان با گردشگران و مقدار هزينه كردن توريست‌ها رابطه معناداري وجود دارد.
ولي زاده حميد، 1385؛ چالش‌هاي فراروي توسعه صنعت توريسم در ايران با تاكيد بر کلان شهر تبريز؛ در اين پژوهش ابتدا به اهميت صنعت گردشگري اشاره شده است و سپس ويژگي‌ها، شرايط و قابليت‌هاي صنعت گردشگري كشور مورد بررسي قرارگرفته است. پس از شناسايي چالش‌هاي موجود در راه توسعه گردشگري راهكارهايي براي كاهش تأثيرات منفي اين چالش‌ها و افزايش تأثيرات مثبت آن‌ها ارائه شده است.
پارسا بصير هديه، 1386؛ بررسي زمينه‌ها و راهكارهاي توسعه گردشگري روستايي بخش طالقان از شهرستان ساوجبلاغ؛ اهداف اين پژوهش بررسي زمينه‌ها و راهكارهاي توسعه گردشگري روستايي در بخش طالقان است. اين تحقيق از نوع پيمايشي است و به منظور ارائه راهكارهاي مناسب توسعه گردشگري روستايي در اين منطقه از تحليلSWOT (تحليل نقاط ضعف و قوت دروني و فرصت‌ها و تهديد هاي بيروني) و ترسيم ماتريس آن در قالب چهار طبقه اقتصادي، اجتماعي، فرهنگي، محيطي و نهادي پرداخته شده است. نتايج تحليل عاملي اثرات مثبت گردشگري روستايي در منطقه طالقان نشان مي‌دهد كه سه عامل اثرات اجتماعي و فرهنگي، اثرات اقتصادي و اثرات زير ساختي (فيزيكي و رفاهي) در مجموع 75% واريانس را تبيين مي‌کنند. هم چنين تحليل عاملي اثرات منفي گردشگري روستايي در منطقه طالقان نشان داد كه سه عامل اثرات محيطي و كالبدي اثرات اجتماعي- فرهنگي و اثرات اقتصادي در مجموع 68% واريانس را تبيين مي‌نمايند. علاوه بر آن نتايج تحليل عاملي زمينه هاي گردشگري روستايي در خصوص نقش آن‌ها در توسعه گردشگري روستايي در منطقه طالقان نشان داد كه پنج عامل گردشگري كشاورزي و غذايي، اكوتوريسم ماجراجويانه و اكوتوريسم غير ماجراجويانه گردشگري به منظور تجارت و گردشگري تاريخي و مذهبي در مجموع 67% واريانس را نشان مي‌دهد كه نشان از درصد بالاي واريانس تبيين شده است؛ و هم چنين از مقايسه ديدگاه روستاييان و كارشناسان با استفاده از آزمون‌هاي من وايتني در خصوص آثار و پي آمدهاي مثبت و منفي گردشگري روستايي نشان داد كه اين دو گروه با يكديگر اختلاف نظر دارند و در كل روستاييان ديدگاه منفي‌تري نسبت به كارشناسان در مورد توسعه گردشگري دارند.
سجادي علي، 1387؛ بررسي عوامل بازدارنده توسعه گردشگري در شهر اصفهان؛ در كار پژوهشي انجام گرفته، پس از بررسي ادبيات موضوع، استعدادها و امكانات توسعه گردشگري در شهر اصفهان مورد بررسي قرارگرفته است. سپس به شناسايي و طبقه بندي موانع و مشكلات موجود بر سر راه توسعه گردشگري در شهر اصفهان پرداخته شده است و در نهايت راه حل‌هاي مناسب جهت توسعه گردشگري شهر اصفهان ارائه شده است. پژوهش فوق رويكردي توسعه اي به گردشگري دارد و ضمن بررسي مزاياي آن در پي يافتن عوامل بازدارنده توسعه گردشگري در شهر اصفهان است. جامعه آماري اين پژوهش را مديران هتل‌ها، آژانس‌هاي مسافرتي، مديران و كارشناسان ارشد سازمان ميراث فرهنگي و گردشگري مديران كل اداره فرهنگ و ارشاد اسلامي اصفهان و گردشگران ورودي به اصفهان است.
سليماني هارون خديجه و همکاران، 1389؛ نگرش ساکنان مناطق گردشگري روستايي شهرستان ايذه؛ اين تحقيق حاضر از نوع پيمايشي و به روش توصيفي ـ همبستگي به بررسي نگرش ساکنان مناطق گردشگري روستايي شهرستان ايذه واقع در استان خوزستان نسبت به اثرات گردشگري روستايي در سال 1388پرداخته است. جامعه آماري اين پژوهش ساکنان مناطق روستايي در روستاهايي بوده‌اند که داراي جاذبه گردشگري بوده و اثرات گردشگري در اين روستاها توسط ساکنان درک شده‌اند که حجم نمونه آماري با استفاده از جدول تاکمن 335 و به روش تصادفي طبقه‌اي متناسب انتخاب شد. متغيرهاي مستقل اين پژوهش عبارتند از ويژگيهاي فردي و حرفه‌اي ساکنان، ميزان ارتباط آنان با گردشگران و وابستکي درآمد آنان به گردشگري، درک اثرات اقتصادي، اجتماعي- فرهنگي و زيست‌ محيطي گردشگري است و متغير وابسته آن نگرش ساکنان نسبت به توسعه فعاليت‌هاي گردشگري مي‌باشد. نتايج حاصل از همبستگي بين متغيرها، ارتباط مثبت و معني داري را بين متغير نگرش ساکنان با متغيرهاي سن، درآمد، ميزان وابستگي به گردشگري، ميزان ارتباط با گردشگران و درک اثرات را نشان داد.
خذرلي جبرائيل، 1389؛ مباني جغرافيايي توريسم و اکوتوريسم در استان آذربايجان غربي با رويکرد اقتصادي؛ ايشان در اين پژوهش به توضيح و توصيف برخي از جاذبه هاي توريستي و اکوتوريستي استان آذربايجان غربي و اردبيل و شناساندن آن‌ها به ديگران و رونق امر جهانگردي و گردشگري به لحاظ ايجاد شغل و درآمد بهتر مردم استان پرداخته است.
عبدالمنافي طاهره و ازکيا مصطفي، 1390؛ بررسي عوامل موثر بر صنعت گردشگري در منطقه روستايي كلاردشت؛ در اين پژوهش به بررسي عوامل موثر بر صنعت گردشگري در منطقه كلاردشت پرداخته شده است و روش آن به صورت اسنادي و ميداني است. در اين تحقيق توسعه صنعت گردشگري منوط به آموزش و اطلاع رساني به مردم و نحوه برخورد با گردشگر و از طريق توسعه نهادها و سازمان‌هاي مرتبط، توسعه برنامه هاي تبليغاتي براي معرفي جاذبه هاي طبيعي و تاريخي در منطقه اشاره شده است.< br /> قادري اسماعيل و همکاران، 1390؛ توسعه گردشگري روستايي در بخش آسارا شهرستان كرج؛ در اين پژوهش به توسعه گردشگري روستايي در بخش آسارا از شهرستان کرج پرداخته شده است. بخش آسارا عليرغم برخورداري از جاذبههاي متعدد، اقدامات مناسبي که بتواند موجبات توسعه نظام گردشگري و جلب رضايت گردشگران را فراهم آورد، صورت نگرفته است. بر اين اساس، وضعيت منطقه مورد مطالعه از نظر شرايط مقصد و فرصت هاي موجود در مبدا مورد مطالعه قرار گرفت و طي آن اثبات گرديد که بخش آسارا از جاذبه هاي بيشماري براي توسعه گردشگري برخوردار است ولي از عدم برنامه ريزي و در نتيجه ضعف امکاناتي در مراکز گردشگري موجود رنج مي برد. به همين منظور در اين تحقيق سعي گرديده است براي غلبه بر مشکلات نظام گردشگري در بخش آسارا امکانات و موانع توسعه گردشگري آن شناسايي و راهکارهاي مناسب ارائه گردد.
افتخاري عبدالرضا و همکاران، 1390، اولويت‌هاي ظرفيت گردشگري مناطق روستايي شهرستان نير؛ در اين پژوهش با استفاده از روش توصيفي تحليلي و استفاده از مدل Topsis به اين نتيجه رسيده‌اند كه از ميان 30 روستاي مورد مطالعه روستاهايي كه داراي جاذبه هاي محيطي بيشتري هستند از ارجحيت بيشتري برخوردارند.
سحر مشهدي، 1390، بررسي عوامل موثر بر توسعه صنعت گردشگري روستايي در روستاي گرمه، در اين پژوهش به عواملي در توسعه صنعت گردشگري روستايي ايران پرداخته شده است. بنابراين عوامل فرهنگي- اجتماعي عوامل اقتصادي، عوامل مديريتي و عوامل محيطي متغيرهايي هستند كه مي‌توانند بر توسعه صنعت گردشگري روستايي تأثير گذار باشند. روش مورد استفاده در اين پژوهش روش توصيفي- پيمايشي است و از نظر مقاصد تحقيق كاربردي است و ابزار جمع آوري داده‌ها پرسش نامه است كه به وسيله سه جامعه آماري صاحب نظران، مردم روستا، گردشگران داخلي و خارجي تكميل گرديده است. اين تحقيق با هدف شناخت عوامل موثر بر توسعه گردشگري روستايي روستاي گرمه واقع در استان اصفهان، صورت مي‌گيرد با توجه به اهداف متعالي نظام جمهوري اسلامي ايران براي خروج از مشكل اتكاي بيش از حد به درآمدهاي نفتي و حل مشكل اشتغال، مسئله اساسي اين تحقيق اين است كه چگونه صنعت گردشگري در بخش روستايي مي‌تواند به تحقق اين هدف كمك نمايد. بنابراين اين پژوهش نگاهي به عوامل و شاخص‌هاي موثر در توسعه صنعت گردشگري روستايي دارد كه بر مبناي نظرات كارشناسان و صاحب نظران مورد ارزيابي قرار گرفت. يافته هاي اين پژوهش حاكي از آن است كه عامل مديريتي بيشترين تأثير و عامل اقتصادي كمترين تأثير را در توسعه گردشگري منطقه مورد مطالعه داشته است.
توسعه گردشگري روستايي از جمله مسائلي است که پژوهشگران طي سالهاي اخير به آن توجه جدي داشتهاند. اما در کشورهاي در حال توسعه از جمله ايران اين علم قدمت زيادي نداشته و به صورت نوپا است. با وجود محدوديت منابع فکري و ديدگاههاي موجود در خصوص آن، باز پژوهشهايي چند انجام شده که به تعدادي محدود اشاره گرديد. اما نمي توان ادبيات پژوهش حاضر را به موارد ذکر شده در بالا محدود کرد و بنابر وسعت مطالعه و ميزان اطلاعات در دسترس، کميت آنها متفاوت خواهد بود.

فصل سوم:
روش تحقيق و محدوده مورد مطالعه

3- فصل سوم: روش‌شناسي تحقيق و معرفي محدوده مورد مطالعه
روششناسي تحقيق يکي از مراحل پژوهش است که بر اساس ماهيت و روش انجام آن، انتخاب و متدولوژي تحقيق را تشکيل ميدهد. در روششناسي تحقيق است که روشهاي جمعآوري دادهها و

اطلاعات، ابزارهاي مورد نياز براي جمعآوري آن‌ها، روشهاي ذخيرهسازي و مديريت آن‌ها و در نهايت روشهاي تجزيه و تحليل دادهها و اطلاعات مورد شناسايي و انتخاب ميشوند؛ بنابراين در اين مرحله ابتدا به نوع تحقيق و چگونگي استفاده از آن پرداخته ميشود. بعد از آن روشهاي جمعآوري دادهها و اطلاعات و همچنين منابعي که اين دادهها و اطلاعات در آن وجود دارند مورد شناسايي و معرفي قرار ميگيرند. بعد از فرايند فوق، در مرحله دوم از اين بخش، به معرفي محدوده مورد مطالعه تحقيق پرداخته شده و محدوده مورد نظر از تمام ابعاد جغرافيايي مورد شناسايي قرار ميگيرد.
3-1- روششناسي تحقيق
3-1-1- مدل تحليل SWOT
تحليل سوآت يک مدل کيفي و ابزار برنامهريزي استراتژيک است. اين مدل يکي از ابزار هاي استراتژيک تطابق با نقاط قوت و ضعف درون سيستمي با فرصت‌ها و تهديدات برون سيستمي است. مدل سوآت تحليل سيستماتيکي را براي شناسايي اين عوامل و انتخاب استراتژي که بهترين تطابق را بين آن‌ها ايجاد نمايد، ارائه مي‌دهد. از ديدگاه اين مدل، يک استراتژي مناسب، قوت‌ها و فرصت‌ها را به حداکثر و ضعف‌ها و تهديدها را به حداقل مي‌رساند. تجزيه و تحليل سوآت در تقسيمات مربوط به انتخاب راهبردي مورد استفاده قرار مي‌گيرد. رايج‌ترين کاربرد آن، فراهم کردن يک چهارچوب منطقي براي هدايت نظاممند بحث‌هاي سيستم، راهبردهاي مختلف و در نهايت انتخاب راهبرد است؛ بنابراين به منظور ارائه راهبرد در شهرستان نير از طريق گسترش گردشگري منطقه، شناخت عوامل چهارگانه جهت شناسايي و بررسي عوامل موثر دروني شامل نقاط قوت و نقاط ضعف و عوامل تأثير گذار بيروني ناحيه همچون فرصت‌ها و تهديدات بر گردشگري امر ضروري است. در حقيقت از تحليل سوآت به عنوان ابزاري جهت شناسايي مسائل استراتژيک و ارائه راهبردها و استراتژي‌هاي مناسب استفاده مي‌گردد، ابتدا با سنجش محيط داخلي و محيط خارجي ناحيه فهرستي از نقاط قوت، ضعف، فرصت‌ها و تهديدات مورد شناسايي قرار مي‌گيرد، سپس محاسبه و تحليل آن‌ها، اولويت‌ها را مشخص کرده و جهت برطرف نمودن يا تقليل نقاط ضعف و تهديدها و تقويت و بهبود نقاط قوت و فرصت‌هاي موجود در ارتباط با گسترش توريسم در منطقه مورد مطالعه، در اين بخش راهبردها و استراتژي‌هاي متنوع، مناسب و ماتريس نهايي ارائه مي‌گردد (صمدي، 1392: 93).
3-1-2- آزمون آماري اسپيرمن
براي محاسبه همبستگي و معنادار بودن ارتباط بين متغيرها در اين فرضيه از ضريب همبستگي رتبهاي اسپيرمن استفاده مي‌شود. اين ضريب همبستگي که آن را با rs يا گاهي p نمايش ميدهند زماني به کار ميرود که دادهها به صورت رتبهاي يا ترتيبي بوده و يا اينکه اگر دادهها به صورت فاصلهاي يا نسبي هستند، طي عملياتي به رتبه تبديل ميگردند. براي محاسبه ضريب همبستگي رتبهاي اسپيرمن از فرمول زير استفاده مي‌شود.
(فرمول 3-1)Rs =1- (6?d2/n (n2-1))
Rs: ضريب همبستگي رتبهاي اسپيرمن است؛
d2: مجذور تفاوت رتبهها باهم است که از طريق تفريق رتبهي متغير دوم (y) از متغير اول (x) و مجذور کردن نتيجهي به دست آمده حاصل ميگردد؛
N: تعداد آزمودنيها يا نمرهها است36.
3-1-3- آزمون T-Test
آزمون ميانگين يک جامعه بر مبناي توزيع T يک آزمون پارامتري است که در آن به اين موضوع پرداخته مي‌شود که ميانگين يک جامعه، به چه ميزان از يک مقدار ثابت بيش‌تر و يا کم‌تر است. از اين آزمون، از آن جايي که با يک متغير سرو کار داريم، براي آزمون فرضيه‌هاي توصيفي استفاده مي‌شود. براي نمونه، محققي مي‌خواهد دريابد که آيا عملکرد شغلي کارکنان يک سازمان بالا است يا خير. وي با طيف ليکرت ? گزينه‌اي، عملکرد شغلي کارکنان را سنجيده است. وي مي‌تواند با استفاده از اين آزمون، اين مسئله را بسنجد که آيا ميانگين جامعه? است يا خير. اگر استنباط کند که ميانگين ? نبوده و بيش‌تر از ? است، مي‌تواند استنباط کند که عملکرد شغلي در جامعه مورد نظرش بالاست. از اين آزمون مي‌توان، بسته به موضوع پژوهش، براي تحليل وجود يا عدم وجود يک متغير نيز استفاده نمود37.
3-2- آشنايي مقدماتي با شهرستان نير
شهرستان نير در 38 درجه و 2 دقيقه عرض شمالي و 47 درجه و 59 دقيقه طول شرقي قرار دارد و از طرف شمال و شرق به شهرستان اردبيل، از جنوب به شهرستان کوثر و از مغرب به شهرستان سراب و ميانه محدودمي شود. اين شهرستان در ناحيه غربي و کوهستاني استان اردبيل قرار دارد به طوري که در شمال غربي آن توده آتشفشان سبلان و در جنوب آن کوه هاي بزقوش واقع اند که در گردنه صائين با يکديگر پيوستگي و مجاورت پيداکرده اند. استان اردبيل در مجموع 17800 کيلومتر مربع مساحت دارد که شهرستان نير نيز با مساحت 1224 کيلومتر مربع، 6.87 درصد از مساحت استان را تشکيل داده است. شهرستان نير داراي 2 شهر (نير و کوراييم)،2 بخش (مرکزي و کوراييم)، 5 دهستان (دورسونخواجه، رضا قلي قشلاق، يورتچي شرقي، يورتچي غربي و مهماندوست) و 97 آبادي داراي سکنه مي‌باشد که در اين پژوهش ما به مطالعه بخش مرکزي شهرستان نير که شامل دو دهستان دورسونخواجه و رضا قلي قشلاق مي‌باشد، مي‌پردازيم (برگرفته از سايت فرمانداري شهرستان نير، 1392)38.

شکل (‏3-1) موقعيت شهرستان نير روي نقشه ايران و استان اردبيل (مأخذ: نگارنده، 1392)
توزيع جمعيت در آبادي‌ها متفاوت ميباشد به طوري که 37 آبادي کمتر از 100 نفر جمعيت، 35 آبادي 249-100 نفر جمعيت،21 آبادي 499-250 نفر و 5 آبادي بين 999-500 نفر جميعت دارند (گزارش سالانه استانداري اردبيل،
1392).
3-3- ويژگي‌هاي جمعيتي
ويژگي‌هاي اجتماعي و فرهنگي، از جمله بارزترين و مهم‌ترين خصوصيات هر منطقه محسوب شده و با توجه به اينكه تحول و دگرگوني در هر پهنه طبيعي بر سه اصل انسان، استقرار و فعاليت استوار است، توجه كافي به انسان و محيط انساني و دگرگوني‌هاي احتمالي آن در فرآيند توسعه، از اهميت زيادي برخوردار مي‌باشد. در فرآيند برنامهريزي توسعه در سطوح مختلف و در پي آن اجراي پروژه‌هاي گوناگون بر اساس اهدافي از پيش تعيين شده، بررسي شرايط موجود اجتماعي ـ فرهنگي حاكم بر منطقه مطالعاتي ضروري مي‌باشد. در حقيقت، مطالعاتي از اين حيث كه با هدف شناخت شرايط اجتماعي ـ فرهنگي موجود و اثرگذار بر طرحهاي توسعه انجام مي‌گيرد، ضمن ارائه تصويري گويا و روشن و تا حد امكان به هنگام از وضعيت اجتماعي و فرهنگي، شرايط را براي امكانسنجي، ظرفيت سنجي و ارائه برنامههاي راهبردي به صورت علمي و كارآمد مهيا ميسازد. در زير ويژگيهاي جمعيتي مرتبط با منطقه مورد نظر مورد بررسي قرارگرفته است.
3-3-1- جمعيت
شهرستان نير در دوره آماري سال 1385، 24288 نفر جمعيت با 5163 خانوار بوده است. در مجموع جمعيت شهرستان نير، 1441 خانوار ساکن در نقاط شهري و 3722 خانوار ساکن در نقاط روستايي بودهاند. به عبارتي 27.91 درصد از کل جمعيت اين شهرستان ساکن در نقاط شهري و 72.09 درصد نيز ساکن در نقاط روستايي ساکن بودهاند. همان طور که ملاحظه ميشود ميزان جمعيت روستايي در اين شهرستان به نسبت در حد بالايي ميباشد (جدول 3-1).
جدول (‏3-1) جمعيت ساکن در نقاط شهري و روستايي شهرستان نير در سال 1385
شرح
جمع
ساکن در نقاط شهري
ساکن در نقاط روستايي

خانوار
جمعيت
خانوار
جمعيت
خانوار
جمعيت
شهرستان نير
5163
24288
1441
6314
3722
17974
مأخذ: مرکز آمار ايران، 1385
سهم شهرستان نير از کل جمعيت استان در سرشماري سال 1385 بالغ بر 1.98 درصد بوده است (مرکز آمار ايران، 1385).
3-4- وجه تسميه نير
دوران ماقبل تاريخي نير از روي آثار بجا مانده در منطقه و دوران تاريخي منطقه (دهكده، معابد و دژهاي صخره‌اي كه در دل زمين كنده شده‌اند) قابل مطالعه است. به طور كلي كثرت معماري‌هاي صخره‌اي در منطقه كه يادمان‌هاي ماندگار و پايداري از زمان کهنند، اولين وسيله شناخت پيشينه تاريخي نير مي‌باشند و دوم متون تاريخي اعم از سالنامه‌هاي آشور و اوراتور و متون هخامنشي است كه نشانگر تحولات تاريخي در آن روزگار پرتلاطم هزار ساله است. اطلاق لفظ زيكرتو در عصر مادها و اوايل هزاره اول و لفظ ساكارتي در عصر هخامنشي به معني (سرزمين ساكنان در غارهاي سنگي)، وجود معابد ميترائيسم و نيز اشارات متون اوستا بر وجود بناهايي مثل دژ زير زميني و نيز متون شاهنامه كه سرشار از چنين اشاراتي است مؤيد قدمت اين منطقه است. متون دوران اسلامي نيز موضوع فوق را تاييد مي‌كند. چرا كه در صحبت از اردبيل در كتاب معتبري چون احسن التقاسيم (قرن 4 هجري) اشاره به اين نكته شده است كه “بيشتر خانه‌ها را در زير زمين ساخته‌اند”. بنا به نوشته بلاذري: ‍”نير دهي بود و كوشك كهنه و درهم شكسته‌اي داشت. مرّبن عمر موصلي طايي در آنجا فرود آمد و بنياد نهاد و پسرانش را در آن سكني داد كه به ظن قوي، اينان کوشک‌هايي در آن قريه بنا كردند و به صورت شهري درآوردند كه احتمالاً بايد همان قريه نير باشد (برگرفته از وب سايت بهراه، 1392)39.
يكي از پسران مرّبن علي از سركشان آذربايجان بود و در سال 212 هجري محمد بن حميد طوسي او را دستگير ساخته به بغداد فرستاد، ولي او بار ديگر به آذربايجان برگشته و به حكمراني خود پرداخت، ابن خردابه در كتاب مسالك و ممالك (تأليف سال‌هاي 230-234) او را خداوند جابروان و ني‌ريز مي‌خواند. جابروان يكي از شهرهاي آذربايجان بوده و ياقوت حموي مي‌نويسد كه در نزديكي نريز (نير فعلي) بوده ولي از بلاذري نقل شده كه در نريز و در نزديکي‌هاي اردبيل بوده است. طبق اظهار نظر مطلعين نام اصلي آن نرسي بوده است و چنين مشهور است كه نرسي پادشاه مشهور ساساني آن را آباد كرده است. اين نام در نوشته‌هاي قديمي اين شهر ديده شده است (سازمان ميراث فرهنگي صنايع دستي و گردشگري شهرستان نير، 1392).
3-4-1- فرهنگ، زبان و دين
زبان مردم شهرستان نير تركي آذري است و به لحاظ فرهنگ ساختار قبيله اي و عشيرهاي و بافت سنتي داراي قدرت و حاكميت قابل ملاحظه اي است و از جمله نکات قابل توجه پايبندي مردم محلي به سنتها ميباشد. از لحاظ ديني مردم منطقه معتقد به مذهب شيعه اثني‌عشري مي‌باشند (برگرفته از وب سايت استانداري اردبيل، 1392).
3-4-2- اوضاع اقتصادي شهرستان نير40
شهرستان نير با توجه به وضع كوهستاني و آب و هواي سرد در زمستان و آب و هواي معتدل در تابستان، شرايط اجتماعي و تاريخي و فرهنگي، داراي استعدادها و تنگناهاي اقتصادي مخصوص خودش است. مهم‌ترين بخش‌هاي اقتصادي قابل ذكر اين منطقه بدين ترتيب هستند:
1) زراعت و دامداري
2) شيلات
3) صنعت و معدن
4) خدمات و گردشگري
3-4-2-1- زراعت و دامداري
در اين شهرستان دامداري به دليل وجود شرايط مناسب آب و هوايي و طبيعي شغل اول مردم محسوب مي‌شود و اهالي اقبال بالايي به اين شغل نشان مي‌دهند، زراعت پس از دامداري در رتبه دوم قرار دارد و محصولات به خصوصي در سطح منطقه كشت مي‌شود و برخي از محصولات صنعتي زراعي قابل كشت و پرورش نمي‌باشد. در زمينه باغداري، فعاليت چنداني مشاهده نمي‌شود و اين به
دليل سرماي شديد هوا در فصل بهار و برخي ويژگي‌هاي طبيعي است. بر طبق آمار وسعت اراضي كشاورزي منطقه 47590 هكتار بوده كه شامل 39393 هكتار اراضي ديم و 8197 هكتار اراضي آبي و 257 هكتار باغات است. در سطح منطقه نير ظرفيت بسياري براي فعاليت پرواربندي گوساله گوشتي، گاوداري شيري، مراكز جمع آوري شير و مرغداري موجود است و سرمايه گذاري در اين واحدها داراي توجيه فني اقتصادي است. در قسمت زراعت، شهرستان نير با توليد محصولاتي همچون سيب زميني و چغندر قند در رتبه سوم استان جاي دارد و با توجه به بارش مناسب و آب و هواي كوهستاني توليد علوفه جهت تأمين نيازمندي‌هاي دامداري منطقه قابل توجه است. به طور كلي مهم‌ترين محصولات كشاورزي و دامي نير عبارت از غلات، علوفه دامي، لبنيات، اعم از گوشت گاوي،‌ گوسفندي (سازمان ميراث فرهنگي صنايع دستي و گردشگري شهرستان نير، 1392).
3-4-2-2- شيلات
فراواني بارش و به دنبال آن پرآب بودن رودها و چشمه‌ها،‌آب و هواي كوهستاني، زيربناي مناسبي را براي توسعه پرورش ماهيان سرد آبي فراهم نموده است. وجود چشمه سارهاي دايمي بولاخلار، برجلو و قينرجه، صندوقلو، آبشارلاي، رودخانه آغلاغان و بالخلو ازجمله اين استعدادها و زيربناها است (آمار اقتصادي شهرستان نير، 1392، فرمانداري نير).
3-4-2-3- صنعت و معدن
در بخش صنعت، شهرستان نير از مناطق محروم استان بوده و اين بخش سهم كوچكي از اشتغال و امرار معاش مردم را برعهده‌گرفته است، در حالي كه با توجه به دسترسي آسان منطقه به بازار مصرف در شهرستان‌ها و استان‌هاي مجاور توليدات صنعتي توجيه اقتصادي دارد. از مهم‌ترين كارخانه هاي اين شهرستان ميتوان به شركت فرآورده هاي لبني گلدشت سبلان نير، واشرسازي و کارخانه آسفالت شهرداري نير اشاره كرد و صنايع كوچكي همچون توليد ظروف پلاستيك، دستكش دوزي و چند واحد ديگر وجود دارند و از طرح‌هاي در دست اجراي مهم شهرك تخصصي آب در مسير روستاي اسلام آباد بخش مركزي و توليد انواع نخ ريسندگي در شهرك كارگاهي نير مطرح ميباشند كه با اجرا و راه اندازي آن‌ها اشتغال مناسبي ايجاد خواهد شد. در زمينه معدن، شهرستان استعداد مناسبي دارد و معادني از قبيل گچ خاكي، خاك رس، مرمريت، سنگ چيني، آهك، سنگ لاشه، خاك صنعتي و شن و ماسه قابل ذكر است. سنگ لاشه ايلانجيق به ميزان 4 ميليون تن، گچ خاكي اينانلو به ميزان 2/4 ميليون تن، سنگ لاشه قره تپه به ميزان 2 ميليون تن و سنگ چيني قره شيران به ميزان 35 هزار تن بخشي از استعداد منطقه است (شرکت آذران نير سقزچي، 1392، ص 121).
بر اساس آمارهاي موجود در سالنامه آماري سال 1387 در شهرستان اردبيل، 40.4 درصد از جمعيت فعال اين استان در بخش کشاورزي، 22.5 درصد از جمعيت فعال در بخش صنعت و 37.2 درصد از جمعيت فعال در بخش خدمات مشغول فعاليت بودهاند. نکته قابل توجه در رابطه با چگونگي توزيع نيروي فعال جمعيت در بخشهاي عمده اقتصادي و تفاوت آن در نقاط روستايي و شهري است. همان طور که از جدول (3-4) مشخص است در نقاط شهري بيشتر نيروي شاغل (61.4) درصد در بخش صنعت و تنها 5.9 درصد از نيروي شاغل در بخش کشاورزي مشغول فعاليت هستند اما در نقاط روستايي به گونهاي ديگر است و بيشترين نيروي شاغل در بخش کشاورزي (72.7) درصد و کمترين آن در بخش صنعت (13) درصد مشغول به فعاليت هستند (سالنامه آماري استان اردبيل، 1387).
جدول

به اين منطقه مراجعت مي‌کنند.
در مجموع از پارک‌هاي اين ايالت سالانه حدود 7 ميليون نفر بازديد مي‌کنند، اما به طور كلي به جز “پارك دولتي”، “درياچه بزرگ نمك” و “پارك دولتي خليج ويلارد” كه نزديك به مراكز اصلي جمعيت هستند و هر ساله بيش از يك ميليون نفر از آن جا ديدن مي‌کنند، ساير پارک‌ها از جاذبه هاي كمتري نسبت به پارک‌هاي ملي برخوردارند. هيچ آمار و ارقامي از سطوح مشاركت مردم در فعاليت‌هاي گردشگري روستايي “يوتا” در دست نيست با اين وجود گردش با خودروهاي سواري و ساير وسائط حمل و نقل چادر زدن و پياده روي، دوچرخه سواري، شكار، ماهي گيري (در اين ايالت بيش از 1000 درياچه قابل ماهيگيري وجود دارد) و اقسام ورزش‌هاي آبي مثل گردش با قايق بادباني و كلك سواري از فعاليت‌هاي مورد علاقه گردشگران مي‌باشند. بيشتر اين فعاليت‌ها توسط بازديد كنندگان محلي كه در يوتا زندگي مي‌کنند صورت مي‌گيرد ولي در سال 1994 بيش از 15 ميليون گردشگر از مناطق خارج از اين ايالت بودند. شايان ذكر است كه از اين رقم حدود 000/900 نفر از بازديد كنندگان خارجي بودند با توجه به اينكه 70% اقامت گردشگران در مناطق روستايي اين ايالت صورت مي‌گيرد، لذا گردشگري روستايي در اقتصاد ايالت يوتا نقش بسزايي ايفا مي‌نمايد.
2-9-1-2- گردشگري روستايي در روستاي “برونته” انگلستان
“ريورند پاتريك برونته”15 به همراه همسر و شش فرزندش به روستاي كوچكي از “هاورث”16 در “يورك شاير” انگلستان نقل مكان كردند. اين خانواده در روستا و در كليسايي در محله “جورچين” زندگي مي‌کردند و در همان مكان سه خواهر از اين خانواده به نام‌هاي آن17، شارلوت18 و اميلي19 رمان‌هاي مشهور خود را در دهه 1840 به رشته تحرير در آوردند. از آن زمان اين منطقه به دليل حضور خواهران برونته مشهور شده است. در حال حاضر خانه اين نويسندگان به موزه كليسا تبديل شده و سالانه پذيرايي بيش از 000/100 بازديد كننده است، “هاورث” سالانه پذيراي بيش از يك ميليون گردشگر است و درآمد اقتصادي حاصل از گردشگران اين روستا حدود 20 ميليون پوند است.
به منظور ارتقاي جايگاه اين روستا به عنوان مقصد گردشگران و جذب بيشتر آن‌ها در مارس سال 1996 سازماني براي بازاريابي گردشگران در اين روستا تشكيل و آغاز به كار نمود. هدف اصلي اين اقدام ارتقاي مشاركت جوامع محلي و سازمان بازاريابي منطقه بود تا بتواند زمينه توسعه گردشگري را به نحو مطلوبي فراهم نمايند. البته جاذبه هاي گردشگري ديگري نيز در اين منطقه وجود دارند كه مي‌توان به “كليساي بولتن”، “راه آهن بخار”، “دره كيلي وورث” و “روستاي سالتاير” در نزديك “برادفورد”20 اشاره نمود كه از معروفيت نسبتاً زيادي برخوردار بوده و تحت تأثير روستاي برونته قرار دارند عضويت در سازمان گردشگري روستاي برونته براي همه شرکت‌ها هتل‌ها، مهمان سراها، مغازه‌ها و رستوران‌ها آزاد است و اين سازمان در ازاي دريافت حق عضويت براي فعاليت‌هاي گوناگون بازاريابي انجام مي‌دهد اين فعاليت‌ها عبارتند از:
– ارتباط با رسانه هاي گروهي و تدارك بازديدهايي براي آشنايي با اين منطقه
– ايجاد يك پايگاه اطلاعاتي در مورد بازار گردشگري
– انتشار يك فصل نامه درباره سياحت و وسايل ارتباط جمعي
– بازاريابي روستاي “برونته” از طريق اينترنت
– توسعه تورهاي مرتبط با تعطيلات كوتاه مدت و ساير خدمات كه از طريق يك سازمان حمل و نقل محلي صورت مي‌گيرد.
– تبليغات براي منطقه از طريق نشريات منطقه اي
موفقيت گردشگري روستايي برونته تنها در دراز مدت حاصل مي‌شود. با اين وجود بسياري از مطالعات انجام شده به ويژه در سطح بين‌المللي نشان مي‌دهند كه استفاده از نام “برونته” مي‌تواند به طور معجزه آسايي بازديد كنندگان بيشتري را جذب كند.
2-9-1-3- طرح “تاركا” در انگلستان
طرح تاركا21 در سال 1989 به عنوان يك برنامه هماهنگ سازي و تعامل ميان حفظ محيط زيست، تفرج و گردشگري در شمال “دون”22 در انگلستان اجرا شد. هدف اصلي اين طرح اضافه نمودن منابع طبيعي بيشتر به مناطق حفاظت شده بود، بسياري از مجريان به اين موضوع واقف شده بودند كه تعامل ميان محيط زيست و توسعه گردشگري مي‌تواند بسيار سودمند باشد و نقش اساسي را در ارتقاي رفاه اجتماعي و اقتصادي ايفا نمايد. اين طرح قسمت وسيعي از مناطق روستايي شمال “دون” را در برگرفته و در ميان مراكز تفريحي ساحلي و پارک‌هاي ملي “دارتمور”23 و “اكسمور”24 گسترده شده است. علي رغم جذابيت‌هايي كه اين منطقه به عنوان يك مقصد گردشگري داشت به نظر مي‌رسيد اين منطقه از نبود يك هويت مشخص رنج مي‌برد و به همين دليل تنها 1% از گردشگران را جلب مي‌کرد. اين منطقه محل وقوع رمان كلاسيك “هنري ويليامسون” با عنوان “تاركا، سمورآبي” است كه در دهه 1920 منتشر شده است بنابراين طرح “تاركا” به عنوان مبنايي براي حفاظت از محيط زيست برنامه ريزي شده و به عنوان پيشگام در توسعه گردشگري مورد استفاده قرار گرفت اهداف اين طرح عبارت بودند از:
– حفظ و توسعه حيات وحش زيبا و ويژگي‌هاي منحصر به فرد شمال “دون”
– برانگيختن مردم در لذت بردن و درك اين منطقه
– توسعه و ارتقاي گردشگري در منطقه
اداره كل طرح مستلزم مشاركت سازمان‌هاي گوناگون قانوني و داوطلب محلي و ملي بود اين سازمان‌ها شامل شوراهاي محلي، انجمن‌هاي گردشگري منطقه اي، شوراي روستا و كميته توسعه روستايي است. بعد از 3 سال طرح “تاركا” انجمن گردشگري روستايي “تاركا” را به عنوان يك بخش خصوصي به عضويت پذيرفت
مدت كوتاهي پس از آن اين انجمن بيشتر كاركردهاي بازاريابي طرح “تاركا” را بدست گرفت و بيش از 150 سازمان خصوصي را تحت پوشش خود قرار داد.
اين طرح 3 مرحله متمايز داشت در مرحله اول تمام امكانات و تلاش‌ها به حفظ محيط زيست و توسعه پياده روي اختصاص داشت. مرحله دوم طرح بر توسعه صنعت گردشگري از طريق ايجاد انجمن گردشگري روستايي تاركا و ساير اقدامات بنا نهاده شده و مرحله نهايي اين طرح بر تحكيم دستاوردها از طريق بازاريابي و تجزيه و تحليل دقيق متمركز بود. طرح “تاركا” به اهداف اصلي‌اش دست يافت و به موازات حمايت جديد بخش‌هاي محلي تا سال 1997 سرمايه قابل ملاحظه اي را جذب نمود.
2-9-1-4- گردشگري روستايي در اسپانيا
محبوبيت اسپانيا به عنوان مقصد اكثر گردشگران ساحلي در ايام تعطيلات، مرهون وجود تعداد زياد اقامت گاه هاي گردشگري است كه در مناطق روستايي سواحل مديترانه پراكنده هستند. به طور مثال تقريباً اقامت گاه هاي ثبت شده در اسپانيا در جزاير “بالئاريك”25 قرار دارند، در حالي كه در منطقه “كاتالونيا”26 كه بخش معروف “كوستابراوا”27 در آن قرار دارد، تنها 20% اقامت گاه‌ها وجود دارند اگر چه گردشگري در اسپانيا صرفاً به مناطق ساحلي محدود نشده است و طيف گوناگوني از اقامت گاه هاي گردشگري در سراسر اين كشور را فرا مي‌گيرد كه از مهم‌ترين آن‌ها مي‌توان به هتل‌هاي مجلل گران قيمت، پانسيون‌ها يا خانه هاي شبانه روزي اشاره نمود اما قابل توجه ترين انواع اقامت گاه‌ها مخصوصاً در ارتباط با گردشگري روستايي شبكه گسترده “پارادورها”28 به معني مسافرخانه يا هر نوع اقامتگاه است و در گذشته اين لغت براي اتاق‌هاي كرايه اي شبانه استفاده مي‌شد كه به اغنياء و ثرومندان تعلق داشت و خدمات جانبي مثل اصطبل حيوانات نيز توسط “مسافرخانه دار” (posada) فراهم مي‌شد در سال 1926، نمايندگي توريست سلطنتي پيشنهاد داد كه مفهوم سنتي “پارادور” را مي‌توان به شبكه امكانات اقامتي در سراسر كشور تسري داد و دولت بايد مسئول ارايه تسهيلات براي توسعه هتل‌هاي اقامتي در آن مناطق شود زيرا واگذاري چنين فعاليت‌هايي به بخش خصوصي واقع‌بينانه و سودمند نبود. علاوه بر اين مقرر شد تا قلعه هاي قديمي، صومعه‌ها و قصرها در جهت توسعه “پارادورها” نقش مهم‌تري را ايفا نمايند.
اولين پارادور در رشته كوه “گردوس”29 براي گردشگراني كه به قصد شكار به منطقه مي‌آمدند، ساخته شد و از آن تاريخ زنجيره پارادورهايي كه توسط دولت اداره مي‌شوند به 86 اقامتگاه رسيده است كه 83 عدد از آن‌ها هتل و بقيه مهمانپذير يا رستوران است. از 35 بناي تاريخي كه بازسازي شده، 13 بنا قلعه هاي مربوط به قرون وسطي 8 بنا صومعه راهبه ها و بيمارستان‌ها 7 بنا متعلق به دوره “باروك”30 و قرون وسطي، 5 بنا کاخ‌هاي قديمي لردها و 2 بناي ديگر ساختمان‌هايي هستند كه در فضاي تاريخي احاطه شده‌اند. به طور كلي “پارادورها” 8500 تخت را در 4500 اتاق فراهم کرده‌اند و از سال 1990 هر ساله 2 ميليون گردشگر را جذب مي‌کنند.
2-9-1-5- گردشگري روستاي در استراليا و نيوزلند
گردشگري براي حل بسياري از معضلاتي كه روستاها با آن دست به گريبانند، بهترين گزينه محسوب مي‌شوند، اما چنانچه اين پديده به خوبي مديريت نشود موجب بروز برخي مشكلات بسيار پيچيده مي‌گردد. در واقع زماني كه روستاييان سعي مي‌کنند تعادلي بين تقاضاي گردشگري و فعاليت‌هاي كشاورزي خود ايجاد كنند به شدت دچار مشكل مي‌گردند. روستاها در موقعيتي ما بين اراضي باير و اراضي شهري به سر مي‌برند و اين مسئله محدوديت‌هايي را براي توسعه گردشگري به وجود مي‌آورد كه شهرها و مناطق شهري هرگز با آن مواجه نيستند. هم چنان مناطق روستايي بين طبيعت بكر و دست نخورده و جهان متمدن شهر يا شهرك قرار دارند كه طبيعت آن تحت كنترل درآمده است. گردشگري روستايي در استراليا عمدتاً در چشم‌اندازها و مناطق كشاورزي صورت گرفته و بر اساس بهره‌وري از طبيعت تعريف مي‌شود. رايج‌ترين گردشگري روستايي در استراليا عبارتند از گردشگري كشاورزي31 و گردشگري مزرعه32 گردشگري كشاورزي شامل فعاليت‌هاي “پذيرايي” و گذران تعطيلات در مزارع است، اما گردشگري مزرعه اي، تشكيل شده از مزارع در حال بهره برداري كه علاوه بر فعاليت‌هاي زراعي، جهت كسب درآمد مازاد به فعاليت‌هايي با اهميت گردشگري نيز مي‌پردازند.
چند مورد از محصولات گردشگري روستايي كه توسط وزارت كشاورزي و شيلات نيوزلند شرح داده شده‌اند عبارتند از:
– اقامتگاه مزرعه اي شامل جاي خواب، صبحانه و ساير وعده هاي غذايي، پذيرايي و شركت در فعاليت‌هاي متمركز در يك مزرعه سنتي ساده و بي پيرايه به طوري كه گردش گر خود را عضوي از خانواده احساس نمايد.
– هتل‌هاي روستايي، شامل جاي خواب و غذا اما مركز توجه برخي فعاليت‌هاي مربوط به مزرعه نيز است.
– واحدهاي اقامتي روستا33 شامل اتاقک‌هاي پشم چيني، انبار کاه، كلبه هاي کارگاه و… كه با تغييراتي آماده اقامت گردشگران شده‌اند.
– كمپ يا كاروان، مکان‌هاي پر جاذبه دسترسي مناسب و سايه‌بان يا سر پناه درختان و داراي تسهيلاتي براي تأمين نيازهاي گردشگران (مثل حمام، توالت و غيره)
– اقامت در هواي آزاد كه ممكن است سخت‌تر از انواع ديگر باشد و در فصول سرد تر طرفداران كمتري دارد.
فشارهاي عصبي ناشي از زندگي شهري و دور بودن از محيط زيست طبيعي تمايل به فرار از زندگي يكنواخت شهري را به وجود آورده است مناطق روستايي رهايي از اين فشارها را ممكن ساخته و فرصتي را
براي تجربه يك روش ساده تر و آرام‌تر زندگي در اختيار گردشگران قرار مي‌دهد بعد از جنگ دوم جهاني گردشگري كه موجب افزايش خود آگاهي و كمال طلبي انسان‌ها مي‌شد طرفداران بيشتري پيدا كرد. تبليغات گسترده رسانه هاي گروهي در مورد گردشگري نقش مهمي در توسعه اين پديده داشتند افزايش شناخت انسان از محيط زيست و رابطه بين انسان و محيط زندگي‌اش موجب شكل گيري “رويكرد سبز” گرديد و جاذبه هاي روستايي را به عنوان گردشگري پايدار اكولوژيكي مطرح ساخت. به موازات اين تحولات و با پيشرفت جوامع بشري و حذف موانع سياسي و اقتصادي گردشگري دسترسي به نواحي روستايي تسهيل گرديد؛ و به همين دليل امروزه تعداد مسافرت‌ها بيش از گذشته شده و اين پديده به تبعيت از افزايش درآمدها شتاب مضاعفي يافته است.
بسياري از جوامع روستايي در استراليا داراي تعاوني‌هاي روستايي هستند كه به ايجاد همكاري و ارتباط بين فعاليت‌هاي گردشگري منطقه اي مي‌پردازند. سهم گردشگري در اقتصاد استراليا حدود 5/4% توليد ناخالص داخلي در سال 2001 بوده است حدود يك سوم اين درآمدها از طريق هزينه هاي صرف شده براي غذا در رستوران‌ها، اقامت در محل خريد و شركت در کلوپ‌ها و جشن‌ها بدست آمده است البته كليه اين اقلام بخشي از اقتصاد گردشگري روستايي را شامل مي‌گردد. بدين ترتيب گردشگري قادر است اثرات مطلوبي بر اقتصاد روستاها داشته باشد.
لازم به توضيح است گردشگري مي‌تواند باعث بروز اختلاف نظرهاي اجتماعي در منطقه شود كه در نتيجه آن تنش‌هاي احتمالي در جامعه ايجاد نمايد. به خصوص در مورد توزيع درآمد اين مشكل بيشتر به چشم مي‌خورد چرا كه تنها خويشاوندان نزديك در وظايف مربوط به گردشگري به كار گرفته مي‌شوند گردشگري اثرات منفي هم دارد كه از ارزش آن به عنوان يك صفت جانبي و مكمل مي‌کاهد مسائلي مانند تابلوهاي تخريب شده زباله، رفتار نادرست، تخريب راه هاي جنگلي توسط وسائط نقليه، ترافيك فراوان، عدم رعايت حريم خصوصي اراضي، باز گذاردن درها و خلوت شكني و موارد مشابه از تبعات سوء گردشگري قلمداد مي‌گردند. يك بررسي در جوامع مناطق مرتفع جنوب استراليا در موارد اثرات سوء گردشگري، اثرات منفي زير را نشان داد:
– شلوغي منطقه (10%)
– مشكلات توقف اتومبيل (16%)
– خسارات محيط‌زيستي (10%)
– زباله/ پسماند برخورد نادرست با كاركنان بخش گردشگري (5/4%)
– مطالعه اي در منطقه ويكتوريا نشان داد كه 67% مزرعه داران از “مواجهه با مردم” به عنوان يكي از دلايل عمده آغاز حرفه گردشگري نام مي‌برند. متصديان اقامت گاه هاي مزرعه اي در نيوزيلند دريافتند كه مزاياي اجتماعي حاصل برقراري رابطه با گردشگران بسيار سودمند است. در منطقه ويكتوريا گردشگري روستايي به دو شكل انجام مي‌گرفت گردشگران داخلي كه در تعطيلات كوتاه مدت 2 تا 3 روزه به اين نواحي مي‌آيند و شمار كوچكي از گردشگران خارجي براي مدت 2 تا 30 روز در اين مکان‌ها اقامت مي‌نمودند. در سال 1994، 34% گردشگران به بازديد از نواحي و ايالات مختلف استراليا پرداختند، اما 3 منطقه بيشتر مورد توجه گردشگران قرار گرفت. گردشگران اروپايي و آمريكاي شمالي تمايل بيشتري به بازديد از مناطق داخلي استراليا داشتند در حالي که آسيايي‌ها علاقه چنداني به اين امر نشان نمي‌دادند.
منطقه سيدني در استراليا به دليل نقش مهمي كه به عنوان عمده‌ترين مقصد گردشگران در استراليا دارد، داراي بيشترين بازديد كننده است، در واقع