یکی از مهمترین اهداف ضمنی بازسازی معدن، تعیین یک کاربری نهایی برای زمین معدنکاری شده است. زیرا کاربری نهایی، تعیین کننده روش ها، ابزارها و هزینه بازسازی است. بنابراین، وجود یک راهکار تحلیلی برای بهینه سازی تعیین کاربری نهایی ضرورت دارد. با این وجود، هنوز چنین راهکاری که بتواند گزینه بهینه کاربری نهایی قطعی معادن را پیشنهاد دهد، ارایه نشده است. در این مطالعه، با هدف رفع نقایص ارزیابی های رایج، یک مدل تصمیم گیری دو مرحله ای تحت عنوان تحلیل برازندگی زمین معدنکاری شده توسعه یافته است که با ایجاد سیستم های خاص موقعیت طبقه بندی برازندگی زمین معدنکاری شده، طی دو مرحله تحلیلی، گزینه بهینه کاربری نهایی زمین های معدنکاری شده را پیشنهاد می نماید. بدین منظور، در مرحله اول مدل، برازندگی اکولوژیکی گزینه های مدیریتی به کمک سیزده شاخص ارزیابی اکولوژیکی، تحت معیار قابلیت کنترل، تحلیل گردید. در صورت انتخاب اکوسیستم جایگزین، مدل وارد مرحله دوم می گردد. در مرحله دوم، برازندگی زمین معدنکاری شده برای انواع کاربری های نهایی امکانپذیر، به کمک پنجاه شاخص ارزیابی در گروه های معیار اقتصادی، اجتماعی، فنی و سایت معدن، تحلیل شد. جهت تحلیل ریاضی مساله تصمیم، در این مدل از روش های تصمیم گیری چند شاخصه (madm) استفاده شده است. به طوریکه از روش ahp به منظور ارزیابی اوزان شاخص ها از طریق مقایسات زوجی بین آنها بهره گرفته شد و پس از محاسبه بردار وزن های کلی شاخص ها، این وزن ها همراه با سیستم طبقه بندی برازندگی زمین معدنکاری شده، وارد تحلیل نهایی توسط سه روش دیگر madm، یعنی topsis، electre، و promethee شدند. با مقایسه نتایج تحلیل نهایی، با انجام یک تحلیل حساسیت روی تغییرات اوزان معیارها، گزینه بهینه پیشنهاد گردید. در این مطالعه، مدل پیشنهادی، برای تحلیل معدن طلای موته و یک معدن روباز فلزی فرضی مورد استفاده قرار گرفت. گزینه مدیریتی بهینه پیشنهادی برای بازسازی معدن طلای موته، بازگردانی سایت معدن به منطقه امن پناهگاه حیات وحش بود. بدین ترتیب، تغییر اکوسیستم برای آن مجاز شناخته نشد و مرحله دوم مدل، روی یک معدن روباز فلزی فرضی اعمال گردید تا کاربردپذیری آن در شرایط واقعی تایید گردد. نتایج تحلیل با مدل تحلیل برازندگی زمین معدنکاری شده روی معدن فرضی نشان داد، با توجه به کلاس های برازندگی در نظر گرفته شده و اوزان به دست آمده برای شاخص های ارزیابی، گزینه مرتع انتخاب بهینه برای آن است.