---

با توجه به افزایش جمعیت جهانی تقاضا برای مصرف آبزیان در جهان رو به افزایش است، بنابراین بهره­گیری از روش­های نوین مانند آبزی­پروری دریایی می­تواند منبع مطمئنی برای تهیه و تأمین آبزیان در جهان باشد. هدف از مطالعه­ی حاضر آنالیز و تحلیل مکانی مزارع آبزی‌پروری دریایی موجود در سواحل استان مازندران می‌باشد.
در این مطالعه، سه دسته معیار (کیفیت آب، اقتصادی- اجتماعی و فیزیکی- محیطی) برای آنالیز و تحلیل مکانی مزارع آبزی­پروری موجود در سواحل مازندران در نظر گرفته شد که از سیستم اطلاعات جغرافیایی (GIS) و فرآیند تحلیل سلسله مراتبی (AHP)، بر اساس تعریف قانون تصمیم بهره‌گیری  شده است و در پایان به تحلیل مزارع آبزی­پروری موجود (۹ مزرعه) با استفاده تابع Extract پرداخته می­شود.
 نتایج نشان می­دهد، موقعیت مزارع حاضر می­تواند به مناطق مطلوب­تر با ریسک کمتر انتقال یابد. از بین مزارع موجود، مزرعه­ی ۱ و ۲ واقع در سواحل جویبار و بابلسر، دارای مناسبترین وضعیت و بالاترین  مقدار مطلوبیت می­باشند. همچنین نتایج وزن­دهی بین سه گروه پارامترهای کیفیت آب، فیزیکی و اجتماعی-اقتصادی نشان می­دهد؛ گروه کیفیت آب با توجه به اهمیت معیارهای دما، کدورت و کلروفیل در آبزی­پروری دریایی دارای وزن بیشتر نسبت به سایر گروه­ها می­باشد (۴۰۳۴/۰) و سپس به گروه فاکتورهای فیزیکی (۳۸۰۸/۰) نسبت به فاکتورهای اجتماعی (۲۱۶۸/۰) وزن بیشتری داده شده است.
یافته­ های این تحقیق، توانایی سیستم اطلاعات جغرافیایی و نیز تصاویر ماهواره­ای را در ارزیابی و مکانیابی آبزی­پروری دریایی نشان می­دهد.

---

یکی از مهم ترین متغیرهای ورودی برای محاسبه‏های بیلان آب و تهیه مدل¬های هیدرولوژیکی، توزیع مکانی بارش می¬باشد؛ بنابراین، خطای ناشی از آن، اثرهای مستقیمی در برنامه¬ریزی منابع آب خواهد داشت. از طرفی دیگر، به دلیل عدم پوشش کامل ایستگاه¬های اندازه¬گیری باران، برآورد بارش منطقه¬ای و یا تخمین بارش در منطقه‏های میان ایستگاه¬ها ضروری است. در این مطالعه، دو روش کریجینگ (ساده و معمولی) و رگرسیون خطی برپایه مدل ارتفاعی رقومی زمین را برای برآورد بارش سالانه، با استفاده از آمار بیست‏ساله (۱۹۸۶-۲۰۰۵) داده¬های بارش در۲۳ ایستگاه باران¬سنجی در استان اصفهان، ارزیابی کرده ایم. بدین منظور، نخست به‏ازای هر مدل در روش کریجینگ، نیم¬پراش¬نگار آن را محاسبه کردیم؛ و با استفاده از تکنیک ارزیابی متقابل، خطای نقشه¬ها را برآورد کردیم و از‏میان چهارده نقشه، یک نقشه را به عنوان نقشه بهینه برگزیدیم؛ سپس داده¬های بارش و ارتفاع ایستگاه¬های مورد نظر را با استفاده از مدل رگرسیون خطی در محیط نرم¬افزار Curve Expert فراخوانی کردیم و با شانزده مدل برازش دادیم تا مدل بهینه مشخص شود؛ در نهایت، به منظور تعیین توزیع مکانی بارش و انجام میان‏یابی، مدلهای برتر هر‏دو روش را با یکدیگر مقایسه کردیم. بررسی های صورت گرفته نشان می‏دهند که تابع رگرسیونی کسینوسی برای میان¬یابی بارش در استان اصفهان، مناسب است.