MétaCan
Menu
Retour à la cohorte
Enregistrement W4406613374 · doi:10.3390/su17020731

A Sustainability-Oriented Spatial Multi-Criteria Decision Analysis Framework for Optimizing Recreational Ecological Park Development

2025· article· en· W4406613374 sur OpenAlexaff
Reza Heydari, Solmaz Fathololoumi, Mohammad Soltanbeygi, Mohammad Karimi Firozjaei

Notice bibliographique

RevueSustainability · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésSustainabilityRecreationEnvironmental resource managementEnvironmental planningGeographyEcologyBusinessEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Recreational Ecological Parks (REPs) play a pivotal role in advancing sustainable development by promoting ecotourism, conserving biodiversity, and providing inclusive recreational opportunities with minimal environmental impact. Assessing the potential for REP development is crucial to optimize the sustainable use of natural resources and enhance ecological and socio-economic benefits. This study introduces a sustainability-oriented Spatial Multi-Criteria Decision Analysis (SMCDA) framework to evaluate and optimize REP development in Mazandaran Province, Iran. The framework incorporates 33 criteria across five categories: 13 for network connectivity and accessibility; 10 for facilities, services, and tourism potential; 4 for landform and land use; 3 for natural hazards; and 3 for climate conditions. Criteria were standardized using the minimum–maximum method and weighted based on expert input via the Best–Worst Method. A weighted linear combination approach was then applied to generate REP suitability maps. Existing recreational and tourism (R&T) sites were assessed against these maps, and a non-parametric bootstrapping method quantified uncertainties in suitability classifications. The results revealed that approximately 8%, 17%, 26%, 30%, and 19% of the study area fell into very low, low, moderate, high, and very high suitability classes, respectively. Among 151 R&T sites, 33% and 34% were situated in areas classified as very high and high suitability. Prediction rates were most accurate in the very high suitability category, while uncertainty analysis indicated a mean of 13% and a standard deviation of 1.7%, with uncertainties predominantly concentrated in lower suitability classes. The findings underscore the SMCDA framework’s efficacy in guiding sustainable REP development by identifying optimal sites and managing uncertainties. This study contributes to sustainability by integrating ecological, economic, and social dimensions into decision-making processes, thereby fostering resilience and long-term environmental stewardship in tourism planning.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,309
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetLand Use and Ecosystem ServicesTravaux en français237 207