Оценка рекреационного потенциала Севера России

По статистическим данным составлена Ката числа зарегистрированных туристических фирм (прил. 6) данные привязаны в основном к городам являющиеся административными центрами субъектов РФ. Способом значков показано количество турфирм по данным на 1997 год, количественный разброс довольно велик от 3-6 до 45-50 зарегистрированных фирм. Наибольшее количество фирм приходится на Мурманск, что связанно с большим рекреационным потенциалом Кольского полуострова.

Также подготовлены карты природно-очаговых заболеваний, степени экологической безопасности, наличия редких видов животных и растений которые представлены на данный момент в цифровом виде.

Первичная оценка рекреационного потенциала Севера России с использованием ГИС-технологий

Методика создания оценочных карт. Моделирование оценочных синтетических характеристик.

Для синтезирования разнородных показателей нами вычислялись интегральные синтетические характеристики, оценивающие перспективность выделов для целей развития экотуризма на основе всего комплекса доступных показателей. Для этих целей использовалась методика, предложенная В.С. Тикуновым

Построение моделей, ориентированных на создание оценочных синтетических карт осуществляется при условии гомогенности территориальных единиц рекреационных районов), формирующих таксоны, которые должны быть иерархически упорядочены между собой. Данный алгоритм позволяет получать синтетические характеристики оценочного положения территориальных единиц по единой шкале и ранжировать данные территориальные единицы на основе этих оценок. Суть алгоритма такова. Все территориальные единицы характеризуются набором показателей, которые прежде всего следует нормировать (в нашем случае это 113 рекреационных районов), для чего удобно использовать формулу

½ X ij ¾ X0j½

X ij = ¾¾¾¾¾¾¾¾¾¾¾ , i = 1, 2, 3, , n,

½max/min Cj¾ X0j ½ j = 1, 2, 3, , m,

где n -- количество территориальных единиц; m -- количество показателей (X ij);

C0 - наилучшие (или наихудшие) для каждого показателя оценочные значения (например, наиболее благоприятные для целей развития спортивного туризма, для целей строительства, сельского хозяйства и. т. д); max/min C -- экстремальные значения показателей, наиболее отличающиеся от величины C0

max/min C º min C, если ½ min C ¾ C0 ½ > ½max C ¾ C0 ½,

max/min C º max C, если ½ min C ¾ C0 ½<=½max C ¾ C0½.

Данная нормировка дает возможность соизмерить данные между собой с содержательных позиций и выразить отклонение всей системы показателей от наилучших или наихудших оценочных значений.

Нормировка, кроме того позволяет установить количественные соотношения между значениями оценочных характеристик для исходных территориальных единиц или для выделяемых в последующем таксонов (Тикунов, 1997).

В данной работе мы рассматривали нормированные показатели как приведенные к своеобразной соизмеримой форме, найдя и суммарное значение по формуле:

Такие величины приближенно характеризуют оценочное положение территориальных единиц за счет того, что чем сильнее их показатели отличаются от наилучших (Х0) (в нашем случае от наихудших), тем величина Si будет больше. Величина Si может быть равна нулю, если весь комплекс показателей территориальных единиц совпадает с наилучшими значениями, и Si будет равна m, если этот комплекс по всем показателям будет максимально отличатся от X0j. Чем больше величина Si, когда X0j задана наилучшими значениями, тем хуже синтетическая оценка оценочная характеристика у соответствующей территориальной единицы (и наоборот для наихудших значений). Средние для таксонов величины Si позволяют дать им качественные характеристики оценки, например, как очень плохие, плохие, хорошие и т.д., а также количественно , хотя и в грубой форме, их сопоставлять между собой.

Следующий этап моделирования связан с выбором мер различия между территориальными единицами. Рассчитав меры различия в многомерном признаковом пространстве между всеми точками, символизирующими территориальные единицы, получим матрицу D (n*n). Однако, с целью ранжирования территориальных единиц по шкале их интегрального оценочного положения вместо расчета всей матрицы D, достаточно вычислить лишь один вектор для условной территориальной единицы, комплекс показателей у которой является вектором X0j. Этот вектор различий (d0) показывает степень удаленности (близости) всех реальных территориальных единиц от условной, имеющий наилучшее или наихудшее оценочные условия (Х0).

Для выделения таксонов достаточно лишь разделить на однородные группы предварительно ранжированные по возрастанию значения вектора d0 и тем самым распределить по таксонам исходные территориальные единицы. Для этих целей существует несколько модификаций алгоритма (Тикунов, 1985 г.). Прежде всего вычисляются приращения последующих ранжированных значений вектора оценочных характеристик d0 над предыдущими. Из набора (n-1) приращений находится минимальное, и связываемые им территориальные единицы объединяются в один таксон. Данное приращение из дальнейшего анализа исключается и отыскивается новое минимальное приращение, которое позволяет сгруппировать еще две территориальные единицы и т.д. до тех пор, пока все территориальные единицы не сольются в одну группу. При такой процедуре классификации все территориальные единицы не теряют своих индивидуальных черт в процессе поэтапного образования таксонов, которые оказываются иерархически упорядочены между собой, что и требуется для создания оценочных карт (Тикунов, 1997).

Для компьютерной обработки данные матрицы показателей были переведены в кодировку ASCII. Далее после реализации алгоритма на ЭВМ нами были выбраны районы объединенные в пять таксонов: